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