tf.nn.max_pool 和tf.nn.conv2d 函数的参数问题

 

我们看一下 tf.nn.max_pool 这个函数

（还有tf.nn.conv2d 函数）

这两个函数是CNN中两个比较常用的函数，一个是池化层的计算，另一个则是卷积层的计算.。

我们从他们的参数开始，

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None,name=None)

除去name参数用以指定该操作的name，与方法有关的一共五个参数：

第一个参数input：指需要做卷积的输入图像，它要求是一个Tensor，

具有[batch, in_height, in_width, in_channels]这样的shape，

具体含义是[训练时一个batch的图片数量, 图片高度, 图片宽度, 图像通道数]，注意这是一个4维的Tensor，要求类型为float32和float64其中之一。 

 

第二个参数filter：相当于CNN中的卷积核，它要求是一个Tensor，

具有[filter_height, filter_width, in_channels, out_channels]这样的shape，

具体含义是[卷积核的高度，卷积核的宽度，图像通道数，卷积核个数]，要求类型与参数input相同，有一个地方需要注意，第三维in_channels，就是参数input的第四维。

 

第三个参数strides：卷积时在图像每一维的步长，这是一个一维的向量，长度为4。

[ 1, strides, strides, 1]，我们姑且认为第一位和最后一位固定必须是1

 

第四个参数padding：string类型的量，只能是"SAME","VALID"其中之一，这个值决定了不同的卷积方式（也就是我们本次的主题）。

第五个参数：use_cudnn_on_gpu:bool类型，是否使用cudnn加速，默认为true； 结果返回一个Tensor，这个输出，就是我们常说的feature map，shape仍然是[batch, height, width, channels]这种形式。

我们来看一个实例

valid_pad = tf.nn.max_pool(x,[1,2,2,1],[1,2,2,1],padding='VALID')

.

对于这样的一个实例，我们可以读出以下的内容：  输出为x ,  卷积核（这里并不是卷积核，只是意义上的类似）的大小为【2x2】,  移动的步长的横向为2，纵向也为2

 

tf.nn.max_pool(value, ksize, strides, padding, name=None)

参数是四个，和卷积很类似：

第一个参数value：需要池化的输入，一般池化层接在卷积层后面，所以输入通常是feature map，依然是[batch, height, width, channels]这样的shape

第二个参数ksize：池化窗口的大小，取一个四维向量，一般是[1, height, width, 1]，因为我们不想在batch和channels上做池化，所以这两个维度设为了1

第三个参数strides：和卷积类似，窗口在每一个维度上滑动的步长，一般也是[1, stride,stride, 1]

第四个参数padding：和卷积类似，可以取'VALID' 或者'SAME'

返回一个Tensor，类型不变，shape仍然是[batch, height, width, channels]这种形式