Tensorflow的卷积操作

Tendorflow中提供了对一维数据、二维数据、三维数据的卷积操作，分别是tf.nn.conv1d()、tf.nn.conv2d()、tf.nn.conv3d().

以tf.nn.conv2d()函数做操作说明：

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

input:  输入数据。这是一个4维张量，每一维的含义是：[batch的大小， 图片的高度， 图片的宽度，图片的通道数]。 第一个batch大小的意思是：我们做训练时，通常不会一个一个样本去训练，二是会好多个样本一块输入，目的是为了让学习过程不要抖动太剧烈，收敛方向更加一致。batch的大小通常会对收敛速度和最后效果有一定影响。第二个和第三个值表示图片的高和宽的像素值。第四个值表示图片的通道数。比如，输入的图片可能是RGB这个3颜色通道的，在经过多个卷积核之后，也会变成和卷积核个数对应的通道数。

filter：卷积核的参数。这也是一个4维张量，每一维的含义是：[卷积核的高，卷积核的宽，输入的通道数，输出的通道数]。前面两个值分别是两个卷积核的高和宽，第三个值表示进行卷积操作时输入的数据有多少个通道，第四个值是输出的通道数，相当于这一层的卷积运算有多少个卷积核。

strides：步长。这是一个长度为4 的向量。第一个值表示batch的大小，第二个值表示在卷积核进行移动时垂直方向上每次移动的距离，第三个值表示在卷积进行移动时水平方向上每次移动的距离，第四个值表示通道数。

padding：表示在进行卷积操作时，是否进行边缘填充。取值类型是字符串，可选取的值有SAME（补零）和VALID。

VALID模式下：输出结果的大小为：

out_height = ceil(float(in_height - filter_height + 1) / float(strides[1]))  #strides[1]垂直方向上移动的步长

out_width = ceil(float(in_width - filter_width + 1) / float(strides[2]))      #strides[3水平方向上移动的步长

SAME模式下，输出结果的大小：

out_height = ceil(float(in_height) / float(strides[1]))  #strides[1]垂直方向上移动的步长

out_width = ceil(float(in_width) / float(strides[2]))      #strides[3水平方向上移动的步长

 

use_cudnn_on_gpu:  bool类型，是否使用cuDNN加速，默认为true。

data_format: 字符串类型，可选值为“NHWC”和“NCHW”。默认值为“NHWC”，表示输入数据的格式是[batch，height，width，channels]，其中字母N、H、W和C分别代表batch个数、height（高度）、width(宽度)和channels（通道个数）。

name：名字，操作的自定义名字，为字符串类型。

 

TensoerFlow的池化操作：

最大池化和平均池化，对应tensorflow中的函数是tf.nn.max_pool和tf.nn.avg_pool。

tf.nn.max_pool(value, ksize, strides, padding, data_format='NHWC', name=None)

tf.nn.avg_pool(value, ksize, strides, padding, data_format='NHWC', name=None)

 

value:输入数据，和前面的卷积的输入数据的含义一样，是一个4维张量，每一维的值的含义是：[batch大小，图片高度，图片宽度，图片的通道数]。

ksize: 池化窗口的大小，是一个具有4个长度大小的向量[batch, height, width, channels]，其中第一个值是batch的大小。第二个值是池化窗口的高度，第三个值是池化窗口的宽度，第四个值是图片的通道数。

strides： 步长。其含义和卷积操作的步长参数一样，

padding：填充参数，其含义和卷积操作的padding参数一样。

data_format: 输入数据的格式，它为字符串类型，可选的值有NHWC和NCHW,其含义和卷积函数中的data_format 一样。

name：操作的名字，为字符串类型。