一、tf.nn.conv2d()卷积函数各参数解析
卷积在tensorflow中的API是tf.nn.conv2d()
tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=True,data_format=‘NHWC’,name=None)
- input:输入,要求一定一个形状为(a,b,c,d)的tensor,也就是通常说的4维张量,它具有两种形式:NHWC,NCHW,表示输入的通道在第2维或者是第4维,在后面的参数data_format中可以进行选择
- filter:卷积核,要求是一个4维张量,形状是[height,width,in_depth,out_depth],其中height,width表示卷积核本身的大小,in_depth必须和input的通道数保持一致,out_depth表示卷积核的个数
- strides:卷积核滑动步长,要求是一个4维张量,第2维和第3维表示卷积核的大小,对于NHWC的输入来说形状是(1,stride_h,stride_w,1),对于NCWH的输入来说是(1,1,stride_h,stride_w)
- padding:补洞策略,可以选择“SAME”或者是“VALID”。
- 其余参数用的较少,感兴趣的可以自己尝试摸索
二、卷积例子
三、tf.nn.max_pool()函数解析
tensorflow中有函数tf.nn.max_pool来实现最大池化
tf.nn.max_pool(value,ksize,strides,padding,data_format=‘NHWC’,name=None)