TensorFlow实现卷积

最新推荐文章于 2024-09-17 20:23:23 发布

Adm1rat1on

最新推荐文章于 2024-09-17 20:23:23 发布

阅读量301

点赞数

分类专栏：机器学习人工智能文章标签： TensorFlow

本文链接：https://blog.csdn.net/qq_35358021/article/details/84649274

版权

机器学习同时被 2 个专栏收录

79 篇文章 2 订阅

订阅专栏

人工智能

23 篇文章 0 订阅

订阅专栏

本文详细介绍如何使用TensorFlow的tf.nn.conv2d函数进行卷积操作，通过具体实例展示了滤波器、步长和填充方式的应用，并结合tf.nn.bias_add函数添加偏置项，最后部署ReLU激活函数实现卷积层的构建。

摘要由CSDN通过智能技术生成

tf.nn.conv2d()函数来计算卷积，weights作为滤波器，[1,2,2,1]作为strides
input_image维度使用一个单独的stride参数，[batch,input_height,input_width,input_channels]
input_height和input_width strides表示滤波器在input上移动的步长。在input之后，设置了一个5*5，stride为2的滤波器
tf.nn.bias_add()函数对矩阵的最后一维加了偏置项

# 输出深度
k_output = 64
# 图片属性
image_width = 10
image_height = 10
color_channels = 3
# 卷积滤波器
filter_size_width = 5
filter_size_height = 5
# 输入图片
input_image = tf.placeholder(tf.float32,shape = [None,image_height,image_width,color_channels])
weight = tf.Variable(tf.truncated_normal([filter_size_height,filter_size_width,color_channels,k_output]))
bias = tf.Variable(tf.zeros(k_output))
# 部署卷积
conv_layer = tf.nn.conv2d(input_image,weight,strides=[1,2,2,1],padding="SAME")
# 添加偏置项
conv_layer = tf.nn.bias_add(conv_layer,bias)
# 部署激活函数
conv_layer = tf.nn.relu(conv_layer)