tf.nn.conv2d参数含义和tf.nn.max_pool

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)

四、池化例子