tensorflow学习笔记之conv2d函数使用

卷积操作

conv2d详解

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)

除去name参数用以指定该操作的name，与方法有关的一共五个参数：

input：
指需要做卷积的输入图像，它要求是一个Tensor，具有[batch, in_height, in_width, in_channels]这样的shape，具体含义是[训练时一个batch的图片数量, 图片高度, 图片宽度, 图像通道数]，注意这是一个4维的Tensor，要求类型为float32和float64其中之一；
filter：
相当于CNN中的卷积核，它要求是一个Tensor，具有[filter_height, filter_width, in_channels, out_channels]这样的shape，具体含义是[卷积核的高度，卷积核的宽度，图像通道数，卷积核个数]，要求类型与参数input相同，有一个地方需要注意，第三维in_channels，就是参数input的第四维；
strides：
卷积时在图像每一维的步长，这是一个一维的向量，长度4
padding： string类型的量，只能是”SAME”,”VALID”其中之一，这个值决定了不同的卷积方式
use_cudnn_on_gpu： bool类型，是否使用cudnn加速，默认为true
结果返回一个Tensor，这个输出，就是我们常说的feature map

import tensorflow as tf

#输入1张28*28的图片，通道数3，
input = tf.Variable(tf.random_normal([1,3,3,3]))
#卷积核2*2,3个通道，3个卷积核
filter = tf.Variable(tf.random_normal([2,2,3,1]))

# op1 = tf.nn.conv2d(input,filter,strides=[1,1,1,1],padding='SAME')

op1 = tf.nn.conv2d(input,filter,strides=[1,1,1,1],padding='VALID')

init = tf.initialize_all_variables()
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(filter))

从这段代码可以很明显的看出，对于参数input和filter，他们的定义方式相同，但是对于他们的shape却代表不同的意义
对于input具有[batch, in_height, in_width, in_channels]这样的shape；
对于filter具有[filter_height, filter_width, in_channels, out_channels]这样的shape

说明input这个矩阵与filter这个矩阵在conv2d这个处理过程中，他们的维度有了不同的意义。

max_pool详解

max pooling是CNN当中的最大值池化操作，其实用法和卷积很类似

有些地方可以从卷积去参考【TensorFlow】tf.nn.conv2d是怎样实现卷积的？

tf.nn.max_pool(value, ksize, strides, padding, name=None)
参数是四个，和卷积很类似：
第一个参数value： 需要池化的输入，一般池化层接在卷积层后面，所以输入通常是feature map，依然是 [batch, height, width, channels] 这样的shape

第二个参数ksize： 池化窗口的大小，取一个四维向量，一般是 [1, height, width, 1]，因为我们不想在batch和channels上做池化，所以这两个维度设为了1

第三个参数strides： 和卷积类似，窗口在每一个维度上滑动的步长，一般也是 [1, stride,stride, 1]

第四个参数padding： 和卷积类似，可以取 ‘VALID’ 或者’SAME’

返回一个Tensor，类型不变，shape仍然是[batch, height, width, channels]这种形式
例如：

import tensorflow as tf

#输入1张28*28的图片，通道数3，
input = tf.Variable(tf.random_normal([1,28,28,3]))
#1个卷积核
filter = tf.Variable(tf.random_normal([5,5,3,1]))

# op1 = tf.nn.conv2d(input,filter,strides=[1,1,1,1],padding='SAME')

op1 = tf.nn.conv2d(input,filter,strides=[1,1,1,1],padding='SAME')

#这里的输入是28x28的矩阵
op2 = tf.nn.max_pool(op1,ksize=[1,2,2,1],strides=[1,2,2,1],padding='SAME')

init = tf.initialize_all_variables()
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(op2).shape) #池化后的尺寸为14x14

这里有个问题就是padding参数，是否补齐。
假设对于一个5x5的矩阵，利用2x2的，步长为2的窗口进行滑动，就可能会存在有部分元素未被滑动窗口覆盖，如果选择SAME参数，就会自动补齐到6x6的shape保证所有窗口能被覆盖。