TensorFlow中卷积函数参数filter,strides,padding总结

最新推荐文章于 2021-04-29 16:00:34 发布

dsmhero

最新推荐文章于 2021-04-29 16:00:34 发布

阅读量662

点赞数

文章标签： tensorflow 卷积深度学习

本文链接：https://blog.csdn.net/dsmhero/article/details/105674228

版权

本文总结了TensorFlow中卷积操作的关键参数filter、strides和padding。通过多个实例展示了不同参数设置如何影响输出尺寸，例如：当padding为'VALID'时，output=(input-filter)/strides+1；当padding为'SAME'时，output取决于strides，与filter大小无关。

摘要由CSDN通过智能技术生成

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

input = tf.Variable(tf.random_normal([

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

dsmhero

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

tensorflow tf.nn.conv2d中filter和tf.layers.conv2d中filters的区别

xiannvshili的博客

05-21

6378

tf.nn.conv2d中filter 如tensorflow官网解释： filter: A Tensor. Must have the same type as input. A 4-D tensor of shape [filter_height, filter_width, in_channels, out_channels] 定义fil...

tensorflow--filter、strides

weixin_30924087的博客

05-07

269

最近还在看《TensorFlow 实战Google深度学习框架第二版》这本书，根据第六章里面对于卷基层和池化层的介绍可以发现，在执行tf.nn.conv2d 和 tf.nn.max_pool 函数时，有几个参数是差不多的，一个是 filter，在卷积操作中就是卷积核，是一个四维矩阵，格式是[CONV_SIZE, CONV_SIZE, INPUT_DEEP, CONV_DEEP],分别是这一层卷...

参与评论您还未登录，请先登录后发表或查看评论

tensorflow filter_variables

jacke121的专栏

10-11

2696

tensorflow filter_variables matching_vars = filter_variables(variables, regex_list, invert=True) for var in matching_vars: logging.info('Applying multiplier %f to variable [%s]', ...

tensorflow中卷积函数tf.nn.conv2d和池化函数tf.nn.max_pool中参数的意义

weixin_44305115的博客

08-08

239

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=True, data_format=“NHWC”, name=None): input：输入的tensor对象(x)，会对该值进行卷积操作。默认形状为：[batch_size, height, width, channels]， batch_size表示一个批次中的样本数目...

【TensorFlow】卷积函数

体重51.00

05-13

487

此文为转载。作者：FontTian 原文链接：https://blog.csdn.net/FontThrone/article/details/76652753 1. 卷积神经网络的结构其中,input为输入,conv为卷积层,由卷积核构成,pool为池层,由池化函数构成最后是全连接层与输出层,其负责对卷积层提取的特征进行处理以获得我们需要的结果 2. 卷积函数 ...

Tensorflow中卷积函数汇总

昆仑-郑教主的专栏

09-04

3665

卷积函数是在一批图像上扫描的二维过滤器。卷积函数定义在tensorflow-1.1.0/tensorflow/python/ops下的nn_impl.py和nn_ops.py文件中。 (1)计算N维卷积的和的函数tf.nn.convolution() tf.nn.convolution(input,filter,padding,strides=None,dilation_rate=None

CNN中卷积池化层tensorflow内置函数参数的实际含义及作用

shulixu的博客

05-15

3741

前段时间亲手搭建了CNN模型，使用tensorflow的许多内置函数时其中的参数数值都是借鉴别人的配置，对其中道理并不了解。昨天和mentor sync的时候真的觉得好惭愧，知其然不知其所以然一问就尴尬==这篇文章总结一下这些参数的含义和设置吧~ 1. 卷积层和input的channel 在CNN中，想搞清楚每一层的传递关系，主要就是height,width和channels的变化情况...

TensorFlow之卷积函数（conv2d、depthwise_conv2d、separable_conv2d）

Yimu_Zhang的博客

06-04

4787

卷积函数是卷积神经网络（CNN）非常核心和重要的函数，在搭建CNN时经常会用到，因此较为详细和深入的理解卷积函数具有十分重要的意义。1、tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)：在给定4维的输入和过滤器的张量时，计算一个2维卷积。参数详解：input：输入的参数或者说是图像teno...

基于Tensorflow一维卷积用法详解

09-16

Tensorflow中的一维卷积操作主要通过 `tf.nn.conv1d` 函数实现，其参数包括： - `value`：输入张量，形状为 `[batch, in_width, in_channels]`。 - `filters`：滤波器张量，形状为 `[filter_width, in_channels, out...

tensorflow 卷积神经网络基本参数()

weixin_33682790的博客

12-20

873

目录： 1.tf.placeholder_with_default(tf.constant(1.0),shape=[],name='use_dropout') # 设置一个占位符 2. tf.constant(input, size, name) # 产生一个变量 3.tf.variable_scope(name, reuse=True) #...

卜若的代码笔记-python系列-神经网络篇-第十章：tensorflow卷积过程的输入输出分析

qq_37080133的博客

02-09

190

1.首先，我们来看，tensorflow的tf.nn.conv2D函数输出的结果的形状第一个参数描述的是样本的数量，第二个参数是输出的特征映射的行row，第三个参数是输出的特征映射的列col，第四个参数是输出特征映射的个数。比如这张图：我们设定样本个数为1个，使用两个卷积核，它的输出的特征映射的个数为2，格式为：当你的样本个数为2个的时候，你的输出结果？ ...

Tensorflow常用函数整理

04-17

300

TensorFlow(3)CNN中的函数

山阴少年

08-22

391

tf.nn.conv2d()函数参数介绍： tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None) input：输入参数，具有这样的shape[batch, in_height, in_width, in_channels]，分别是[batch张图片, 每张图片高度为in_height...

【Tensorflow】Tensorflow中的卷积函数（conv2d、slim.conv2d、depthwise_conv2d、conv2d_transpose）

不用先生的博客

07-27

8218

前言卷积是卷积神经网络中最主要、最重要的运算。想必大家最早接触卷积的概念就是在初高中的数学当中，它是一个这样的公式； (g∗h)(x)=∫−∞∞g(τ)⋅h(x−τ)dτ(g\ast h)(x)=\int_{-\infty }^{\infty }g(\tau )\cdot h(x-\tau )d\tau (g∗h)(x)=∫−∞∞g(τ)⋅h(x−τ)dτ 上面的公式是一维空间中连续函...

深度学习之 filtering and padding

ahelloyou的博客

12-25

1000

Filtering and Padding 原始图片为nxn当经fxf的filter后大小就变成了（n-f+1）f一般是奇数如果有步长S 那么输出就是(n−f)/S+1(n-f)/S+1(n−f)/S+1 这时候就会出现两个问题卷积运算后，输入图片尺寸减小原始图片边缘信息对输出贡献少，输出图片会丢失边缘信息为了解决图片缩小的问题，使用padding的方法，对原始图片进行扩展，扩展区域补零，用p表示扩展宽度， [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Au1tD

python的jax包的常用操作

大模型天花板

04-29

2967

python的jax包的常用操作本文参考官方文档 1.jax.random包 PRNGKey >>> from jax import random >>> key = random.PRNGKey(0) >>> key DeviceArray([0, 0], dtype=uint32) 根据传入参数，生成两个无符号32位整数(不用管具体的细节，理解后面的使用即可)，我们通常其称为key >>> random.uniform(key)

【TensorFlow】tf.nn.conv2d是怎样实现卷积的？

dielucui7698的博客

03-23

236

tf.nn.conv2d是TensorFlow里面实现卷积的函数，参考文档对它的介绍并不是很详细，实际上这是搭建卷积神经网络比较核心的一个方法，非常重要 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： ...

TensorFlow strides 参数讨论