tf.nn.atrous_conv2d

1.函数原型

tf.nn.atrous_conv2d(value,filters,rate,padding,name=None）

2.函数说明

• value：
  指需要做卷积的输入图像，要求是一个4维Tensor，具有[batch, height, width, 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]
• filters：
  相当于CNN中的卷积核，要求是一个4维Tensor，具有[filter_height, filter_width, 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]，同理这里第三维channels，就是参数value的第四维
• rate：
  要求是一个int型的正数，正常的卷积操作应该会有stride（即卷积核的滑动步长），但是空洞卷积是没有stride参数的，这一点尤其要注意。取而代之，它使用了新的rate参数，那么rate参数有什么用呢？它定义为我们在输入图像上卷积时的采样间隔，你可以理解为卷积核当中穿插了（rate-1）数量的“0”，把原来的卷积核插出了很多“洞”，这样做卷积时就相当于对原图像的采样间隔变大了。此时我们很容易得出rate=1时，就没有0插入，此时这个函数就变成了普通卷积。
• padding：
  string类型的量，只能是”SAME”,”VALID”其中之一，这个值决定了不同边缘填充方式。