tf.nn.conv2d中stride对输出的影响

最新推荐文章于 2024-06-12 17:47:03 发布

Csclion

最新推荐文章于 2024-06-12 17:47:03 发布

阅读量1.8k

点赞数 1

分类专栏： tensorflow 卷积

本文链接：https://blog.csdn.net/qq_22522663/article/details/78065009

版权

本文探讨了在TensorFlow的卷积操作tf.nn.conv2d中，即使设置padding为'SAME'，步长stride仍会影响输出尺寸。通常 stride=1 时影响不明显，但当stride不等于1时，输出尺寸会按特定比例减小，与输入尺寸产生差异。

摘要由CSDN通过智能技术生成

之前一直以为只要padding=’SAME’，那么卷积之后输出的尺寸就和输入相同。其实不是，就算是’SAME’，步长stride也会对输出产生影响的。因为平时我们的步长一般为1，所以对结果并没有什么影响，但是一旦步长不为1，输出尺寸将不再与输入相同。

import tensorflow as tf

data=tf.Variable(tf.random_normal([64,48,48,3]),dtype=tf.float32)
weight=tf.Variable(tf.random_normal([5,5,3,64]),dtype=tf.float32)

sess=tf.InteractiveSession()

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Csclion

关注关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
tf.nn.conv2d中stride对输出的影响

卷积中stride对输出尺寸的影响
复制链接

扫一扫

专栏目录

torch.conv2d stride,dilation,groups

wuhao1205的博客

05-10

1038

torch.Conv2d

Tensorflow系列：tf.nn.conv2d

YoungDreamNJU的博客

01-03

1581

TensorFlow的CNN代码中有tf.nn.conv2d(X, W1, strides=[1, 1, 1, 1], padding='SAME')这样一句，本文介绍tf.nn.conv2d的用法： tf.nn.conv2d tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format

参与评论您还未登录，请先登录后发表或查看评论

Conv1d与Conv2d对应的底层公式及shape计算方法

最新发布

cash_cp的博客

06-12

477

Conv1d与Conv2d对应的底层公式及shape计算方法

Tensorflow 卷积神经网络 tf.nn.conv2d函数的strides参数理解

qq_28632639的博客

01-22

3000

首先 Tensorflow里面对于conv2d的原型声明： conv2d(input, fileter, strides, padding, use_cudnn_on_gpu=None, name=None) 除了参数name用以指定该操作的name，其中5个参数一一解释如下：（1）input：指定需要做卷积的输入图像，它要求是 Tensor，具有 [batch, in_height,...

tf.nn.conv2d用法

qq_36201400的博客

09-07

3053

tf.nn.conv2d：给定input和4Dfilters张量计算2D卷积。 tf.nn.conv2d( input, filters, strides, padding, data_format='NHWC', dilations=None, name=None ) 输入input张量可以具有秩4或更高，其中，形状维度[:-3]被认为是批量维度（batch_shape）。给定shape的输入张量batch_shape + [in_height, in_width, in_chan...

tf.nn.conv2d()函数详解(strides与padding的关系)

tuying_001的专栏

12-20

3312

tf.nn.conv2d()是TensorFlow中用于创建卷积层的函数，这个函数的调用格式如下： def conv2d(input: Any, filter: Any, strides: Any, padding: Any, use_cudnn_on_gpu: bool = True, ...

对tensorflow中tf.nn.conv1d和layers.conv1d的区别详解

09-17

3. 内部实现：`tf.nn.conv1d`通过调用`tf.nn.conv2d`实现，`layers.conv1d`则包含了完整的层构建逻辑。在实践中，如果你需要自定义复杂的网络结构或者对性能有极致要求，可能会选择`tf.nn.conv1d`。而在构建模型时...

Tensorflow tf.nn.atrous_conv2d如何实现空洞卷积的

12-20

在本文中，我们将详细探讨空洞卷积的工作原理以及如何在TensorFlow中使用`tf.nn.atrous_conv2d`。首先，让我们了解空洞卷积的基本概念。在传统的卷积操作中，卷积核在输入特征图上按照固定的步长（stride）移动，...

tf.nn.conv2d()详解

ZHUQIUSHI123的博客

03-28

1633

tf.nn.conv2d是TensorFlow里面实现卷积的函数，参考文档对它的介绍并不是很详细，实际上这是搭建卷积神经网络比较核心的一个方法，非常重要。 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：第一个参数in...

tf.nn.conv2d()函数理解

fgs的博客

03-31

1646

4.tf.nn.conv2d f.nn.conv2d (input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None) input：输入图像，是一个Tensor，具有[batch, in_height, in_width, in_channels]这样的shape，具体含义是[训练...

Conv2d中的stride和padding参数的使用

m0_51816252的博客

05-31

5141

Conv2d中最常用的参数就是in_channels ，out_channels ，kernel_size ，stride ，padding 这5个，往往需要我们手动输入，本文结合代码介绍了stride和padding参数的使用。

nn.Conv2d()参数详解

Zssss12的博客

02-20

2281

偏置的作用是引入模型的偏移能力，它可以在每个通道上添加一个常量值，从而提供了模型的灵活性和表达能力。二者的卷积核大小都是一样的（滑窗的实际大小是一样的），但空洞卷积的滑窗（kernel）元素之间是存在一些间隙的，这些间隙在空洞卷积中成为膨胀因子(dilated ratio)。代表填充内容，可选项有4种：'zeros', 'reflect','replicate' or 'circular'，其默认选项为'zeros'可以是一个整数，表示在输入的高度和宽度的周围添加的零填充的像素数，或者是一个元组。

torch.nn.Conv2d(64, 128, kernel_size=3, stride=1, padding=1)的意思？

weixin_44943389的博客

06-18

1962

综上所述，这段代码定义了一个具有64个输入通道和128个输出通道的二维卷积层。卷积核的大小为3x3，步幅为1，填充值为1。这样的卷积层可以用于在卷积神经网络中提取输入特征图中的空间特征。表示在输入特征图的周围用零进行填充的数量。在这里，填充值为1，表示在输入特征图的周围的每个边都填充一个零值像素。这意味着在每次卷积操作中，将使用一个大小为 3x3 的滤波器对输入特征图进行卷积操作。是输出通道数，表示输出特征图的深度或通道数。是输入通道数，表示输入特征图的深度或通道数。在这里，输入特征图的深度为64。

关于TensorFlow中函数conv2d参数stride，padding的理解

热门推荐

？？？的博客

03-17

2万+

刚刚接触TensorFlow，很多地方不是很理解，虽然之前有过相关的理论学习，但具体的代码实现，还需破费心力。TensorFlow中函数conv2d主要实现了输入张量与设定卷积核的卷积操作，其函数形式如下：tf.nn.conv2d( input, filter, strides, padding, use_cudnn_on_gpu=True, dat...

nn.Conv2d——二维卷积运算解读

qq_50001789的博客

09-19

1万+

PyTorch学习笔记：nn.Conv2d——二维卷积运算解读nn.Conv2d——二维卷积运算代码案例一般用法输出卷积运算的参数填充方式零填充镜像填充复制填充循环填充官方文档 nn.Conv2d——二维卷积运算 torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtyp

【Tensorflow】卷积神经网络中strides的参数

小小小草儿的博客哟

03-13

5566

在二维卷积函数tf.nn.conv2d()，最大池化函数tf.nn.max_pool()，平均池化函数tf.nn.avg_pool()中，卷积核的移动步长都需要制定一个参数strides。参数strides： A list of ints. 1-D tensor of length 4. The stride of the sliding window for each dimension...

tf.nn.conv2d()参数解释

只有十分努力，才能看起来毫不费力

02-21

2208

tf.nn.conv2d( input, filter, strides, padding, use_cudnn_on_gpu=True, data_format='NHWC', dilations=[1, 1, 1, 1], name=None) 首先input必须是一个四维的tensor，以28✖️28✖️1的图像为案例进行说...

pytorch【Conv2d参数介绍】

重剑无锋博客

01-18

2069

pytorch Conv2d参数介绍

tf.nn.conv2d

03-30

We then call tf.nn.conv2d with the input and filter tensors, specifying a stride of 1 and a padding scheme of 'SAME'. This means that the output tensor will have the same spatial dimensions as the ...