深度学习中的卷积的简单实现

1，卷积的原理。

2，举例

3，使用SAME模式，在矩阵的周围加0.

4，实现

import tensorflow as tf
import numpy as np
M=np.array([[[2],[1],[2],[-1]],[[0],[-1],[3],[0]],[[-2],[1],[-1],[4]],[[-2],[0],[-3],[4]]],
           dtype='float32').reshape(1,4,4,1)

filter_weight=tf.get_variable("weight",[2,2,1,1],initializer=tf.constant_initializer([[-1,4],[2,1]]))
biases=tf.get_variable('biases',[1],initializer=tf.constant_initializer(1))
x= tf.placeholder('float32',[1,None,None,1])


conv=tf.nn.conv2d(x,filter_weight,strides=[1,1,1,1],padding="SAME")
add_bias=tf.nn.bias_add(conv,biases)

init_op=tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init_op)
    M_conv=sess.run(add_bias,feed_dict={x:M})
    print M_conv

5，运行结果（注意加入了bias 1，原来的输出上都加了1）

[[[[  2.]
   [  9.]
   [  1.]
   [  2.]]

  [[ -6.]
   [ 15.]
   [  0.]
   [  9.]]

  [[  3.]
   [ -7.]
   [ 16.]
   [  5.]]

  [[  3.]
   [-11.]
   [ 20.]
   [ -3.]]]]