双线性池化（Bilinear Pooling）tensorflow代码

最新推荐文章于 2024-06-01 09:57:54 发布

CROD鳄鱼

最新推荐文章于 2024-06-01 09:57:54 发布

阅读量341

点赞数

文章标签： tensorflow 深度学习 python

本文链接：https://blog.csdn.net/qiuuu/article/details/129421475

版权

本文介绍了如何使用Tensorflow实现双线性池化（Bilinear Pooling）。通过引用GitHub上的Bilinear-CNN-TensorFlow项目，展示了如何处理不同形状的数据，并解释了代码中涉及的tf.einsum操作以及为什么要除以784.0的细节。

摘要由CSDN通过智能技术生成

Bilinear-CNN-Tensorflow来源：https://github.com/abhaydoke09/Bilinear-CNN-TensorFlow/

def bilenear_pooling(x,y):
    x_len = x.shape.as_list()[1]
    y_len = y.shape.as_list()[1]
    phi_I = tf.einsum('im,in->imn', x, y)  # 1 5 7
    phi_I = tf.reshape(phi_I, [-1, x_len * y_len])
    # phi_I = tf.divide(phi_I,784.0) # 用于规范化 在 784 维上求和 将该求和归一化，以防止值取巨大的值。
    y_ssqrt = tf.multiply(tf.sign(phi_I), tf.sqrt(tf.abs(phi_I) + 1e-12))
    z_l2 = tf.nn.l2_normalize(y_ssqrt, dim=1)  # batchsize*mn
    return tf.squeeze(z_l2,[2])

我的数据：

x:[batch_size,xlen]

y:[batch_size,ylen]

输出:

[batch_size,xlen*ylen]

如果你的shape跟我的不一样，相应地修改这部分：phi_I = tf.einsum('im,in->imn', x, y)

参考git