tensrflow-cnn

tensrflow-cnn

tensorflow-cnn :

cnn ：卷积神经网络
关于cnn 网上很多例子，这里就不一一说了，大家随便下载一个都能,配置好环境，问题都不大。这里记录一下个人的理解,如果有不对的地方欢迎大家指出来。

tf.nn.conv2d （）
参数1： input 代表做卷积的输入图像的Tensor，其shape要求为[batch, in_height, in_width, in_channels]，:[图片的数量, 图片高度, 图片宽度, 图像通道数]，数据类型为float32或float64；

参数2：filter 相当于CNN中的卷积核，该Tensor的shape要求为[filter_height, filter_width, in_channels, out_channels]，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，filter的通道数要求与input的in_channels一致，即第三维in_channels，就是参数input的第四维；

重点就是就是它，什么是卷积核，玩过opecv 的同学就可以理解为 滤波器，特征提取器。通过它的过滤，提取到原图的特征。有多少个卷积核，最后就会产生出多少个之余原图的新图像。
举个例子，你的输入是[10,100,100,3]（100*100,3通道的图片，一共10张），经过tf.nn.conv2d （filter=[3,3,3,32]） ，就会产生出 [10,100,100,32] 的数据， 形状的图片每张图片的通道数变成了32.如果把数据拆开 ，把其中每张图片单独拿出来 形状是[100,100,32].然后再把其中每个通道单独显示[100,100],就可以看到，经过tf.nn.conv2d （）函数后得到的图像。从这里，我想大家就能理解tf.nn.conv2d （）到底在干嘛。

以上是学习卷积过程中个人卡住的地方，说出来与大家分享，有不对欢迎指出。