小小白整理tf.nn.conv2d与tf.contrib.slim.conv2d异同

Aimoyuan

已于 2022-02-16 20:41:56 修改

阅读量1.5k

点赞数

文章标签： tensorflow cnn 深度学习

于 2022-02-16 20:39:01 首次发布

本文链接：https://blog.csdn.net/mfjzjhayb/article/details/122968206

版权

本文探讨了在TensorFlow中tf.nn.conv2d和tf.contrib.slim.conv2d两个卷积函数的异同。尽管两者功能相似，但在初始化和参数设置方面存在细微差别，slim.conv2d提供了更丰富的初始化选项和更高的可控性，而tf.nn.conv2d的filter指定方式相对复杂。

摘要由CSDN通过智能技术生成

在学习tensorflow读代码过程中，发觉VGGnet和ResNet两套代码中分别使用了tf.nn.conv2d()与tf.contrib.slim.conv2d()两种卷积，两者实现功能几乎一样，初始化操作上后者更加复杂，可控性高一点，特记录如下：

tf.nn.conv2d(

    input,     #输入图像，为一个4D的Tensor，shape=[batch_size, in_height, in_width, in_channels]，数据类型为float32/64

    filter,    #卷积核，为一个Tensor,类型与参数input相同，shape=[filter_height, filter_width, in_channels, out_channels],注意：这里的第三维in_channels==input的第四维参数 in_channels

    strides,    #步长，一维向量，长度4，对应input的4个纬度上的步长

    padding,    #为"SAME"或者"VALID"，string类型，SAME一致性填充，卷积可以到图像边缘，确保输入和输出图像大小保持一致，VALID有效填充，可能会裁减图片。

    use_cudnn_on_gpu=None, #表示是否使用GPU上的cudnn加速，bool类型，默认值为true

    data_format=None, #指定input的格式，string类型，默认值为“NHWC”

    name=None  #可选项，给卷积操作命名

)
最后，函数计算后返回一个2DTensor，其