【整理】Tensorflow 学习笔记_CNN

tf.nn.conv2d(input_batch, kernel, strides = [1,2,3,1], padding = 'SAME')

参数input_batch：准备进行卷积的张量，如input_batch = tf.constant([

[ # 第一个输入

[[0.0], [1.0]],

[[2.0], [3.0]]

],

[ # 第二个输入

[[2.0], [4.0]],

[[6.0], [8.0]]

]

])

参数kernel：用于卷积的核（矩阵），如kenel = tf.constant([[[[1.0, 2.0]]]])

参数strides：strides参数表示的是滑窗在输入张量各个维度上的移动步长，包含四个参数，与输入向量格式相同，[batch, height, width, channels]，如[1,3,3,1]

参数解析：

batch：strides[0] = 1，也即在 batch 维度上的移动为 1，也就是不跳过任何一个样本，否则当初也不该把它们作为输入（input）

height, width：单个样本的行和列维度的移动

channels：strides[3] = 1，也即在 channels 维度上的移动为 1，也就是不跳过任何一个颜色通道；

参数padding：边界填充

SAME：卷积输出与输入尺寸相同，缺失采用0填充，卷积核扫过的像素数超过图像实际像素。如：out_height = ceil(float(in_height) / float(strides[1]))

VALID：考虑滤波器尺寸，卷积核尽量不越过边界，多余部分可能丢失。如：out_height = ceil(float(in_height - filter_height + 1) / float(strides1))