在学习tensorflow时,总是对各种各样的参数烦的死去活来,尤其是卷积核的长宽高步长什么的,特别“迷人”。因此本人搜索了很多的资料,进行了综合,并加上了自己的理解,供大家学习参考。
一、输入的四个维度
1)batch_size:说白了,就是图片的个数。
2)height/weight:图片的高和宽。
3)channels:图片的通道数,黑白照片就是1,RGB就是3。
例如我们的输入是X =【333,28,28,3】,则代表我们有333个宽和高都是28的黑白照片(单通道照片)。
二、卷积核的四个维度
1)height/weight:卷积核矩阵的维度
2)inchannels:与输入的通道数相等。如何理解这个参数的意思呢?这个参数代表的是我们所操作的图像的通道数。例如,我们有上例的X的通道数为3,那这个inchannels也是3。我们要做的是,将这个卷积核分别与图片A的三个通道卷积,相加作为输出。
3)outchannel:输出的特征数。这个参数是自己选定的。