tensorflow中函数及变量解释

函数：

初始化函数：

1. tf.variance_scaling_initializer()：

功能性函数：

1. batch_normalization实现有两个函数：

① tf.layers.batch_normalization，这个功能更全面，输入参数也很多

② tf.nn.batch_normalization(x, mean, variance, offset, scale, variance_epsilon, name=None)：

    这个用起来比较简单

2. padding的实现：

 tf.pad(tensor, paddings, mode='CONSTANT', name=None, constant_values=0)

    paddings: 维数为D*2，D为tensor的维数。paddings[i][0]表示在第i维的方向上前面补0的个数，paddings[i][1]表示在第i维的方向上后面补0的个数。

    mode: 三个属性可以选择，默认为constant，值为0

3. 二维卷积操作：

conv2d(inputs, filters, kernel_size, strides=(1, 1), padding='valid', data_format='channels_last', \
dilation_rate=(1, 1), activation=None, use_bias=True, kernel_initializer=None,\
bias_initializer=<tensorflow.python.ops.init_ops.Zeros object at 0x00000211F42F2CF8>, \
kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, \
kernel_constraint=None, bias_constraint=None, trainable=True, name=None, reuse=None)

strides: 滤波器移动步长参数 

4. tf.identity

tf.identity理解

stackoverflow上的解释：stackoverflow

概念：

1. 卷积中常见的概念：channel.

对2D数据，"channels_last"假定维度顺序为(rows,cols,channels)

                      "channels_first"假定维度顺序为(channels, rows, cols)。

对3D数据，"channels_last"假定(batch_num, conv_dim1, conv_dim2, channels)，tf.nn.batch_normalization

                      "channels_first"则是(batch_num, channels, conv_dim1, conv_dim2)

完善中。。。。