tf.nn.conv2d是用来实现卷积的方法
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,要和参数input的第四维相等
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4。strides[0]和strides[3]必须为1,strides[1],strides[2]决定卷积核在输入图像in_hight,in_width方向的滑动步长
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(后面会介绍)
第五个参数:use_cudnn_on_gpu:bool类型,是否使用cudnn加速,默认为true
input和filter参数里的值都很好理解,关键是滑动步长和padding不同的值会决定最后得到的输出是多大尺寸。
strides和padding的详解
直接给出总结:
卷积核大小,滑动步长直接影响最后的卷积结果的大小。当padding为SAME模式时,先对原图像进行填充,再做卷积,填充值须根据卷积核大小及滑动步长决定。
- 当滑动步长大于1时:填充数 = K-L%S(K:卷积核边长,L:输入图像边长,S:滑动步长)
- 当滑动步长等于1时:填充数 = 卷积核边长减1
- 另外当差偶数个元素时首尾各补一半,差奇数个时前边补奇数个,后边补偶数个。
当padding为VALID模式时,很简单粗暴直接从原始图像的首段开始卷积,到最后不能匹配卷积核的部分直接舍去,