python人脸识别项目之学习笔记（五）：TensorFlow实现卷积，激励，池化 +全连接

需要学习的知识点

• 如何使用卷积，激励，池化
• 如何使用全连接
  最近看了一位大佬写的对卷积的理解写得非常详细，可以参考这篇博客
  https://blog.csdn.net/v_JULY_v/article/details/51812459
• 如何用代码实现卷积

1. 卷积（tf.nn.conv2d）

# conv2d(input, filter, strides, padding, use_cudnn_on_gpu=True, data_format="NHWC", name=None)

每一个参数代表一个形态shape，比如第一个参数【batch, h, w, channels】，里面的元素有4个，说明它是一个4维的张量，也就是4位的数组

如果形态不懂的话可以看看之前写的博客
https://editor.csdn.net/md/?articleId=107565145
如果通过形态得到一个4维的张量

第一个参数是输入，它是一个4维度的张量
【batch, h, w, channels】
batch 就是说一次输入多少张图片， 可以是1， 或者其他数
h 输入的高度
w 输入的宽度
channels 就是一张图片输入的通道数， 彩色是3， 黑白是1

第二个参数是一个卷积核，也是一个4维的张量
【k_h, k_w, in, out】
k_h 卷积核的高度
k_w 卷积核的宽度
in 卷积需要作用输入图片的通道数，可以是第一个参数的 channels 的值
out 卷积核的个数，也可以是输出的通道数

第三个参数是卷积核的移动步长，也是一个4维的张量
【1, s_h, s_w, 1】
s_h 就是高度方向移动的步长
s_w 就是宽度方向移动的步长

第四个参数是补0的方法，可以选择二个之中的其中一个
【“SAME"或者"VALID”】
SAME TensorFlow会自动补0，这样会保证输出大小和输入大小相同
VALID 不会自动补0

输入一张 3 * 3 的图片对他进行卷积操作

import tensorflow as tf

# 这是一张 3 *3 的彩色图片
input = tf.constant(
    [ # 一张图片
        [ # 图片的宽
            [  # 图片的高
                [100., 100., 100.], # 里面那一层就是图片的通道
                [100., 100., 100.],
                [100., 100., 100.]
            ],
            [
                [100., 100., 100.], # 里面那一层就是图片的通道
                [100., 100., 100.],
                [100., 100., 100.]
            ],
            [
                [100., 100., 100.], # 里面那一层就是图片的通道
                [100., 100., 100.],
                [100., 100., 100.]
            ]
        ]
    ]
)

# 做一个过滤器（卷积核）
filter = tf.constant(
    [ # 卷积核的宽度为2
        [ # 卷积核的高度为 2
            [   # 通道数 为 3 （这里的通道就是输入图片的通道）彩色图片为3
                [0.5, 0.1], # 卷积核的个数
                [0.5, 0.1],
                [0.5, 0.1]
            ],
            [
                [0.5, 0.1],
                [0.5, 0.1],
                [0.5, 0.1]
            ]
        ],
        [
            [
                [0.5, 0.1],
                [0.5, 0.1],
                [0.5, 0.1