卷积神经网络

卷积神经网络的四个超参数

1. Filter数量K
2. Filter大小F
3. 步长S
4. 零填充大小P
   卷积运算之后的图片尺寸计算：
   高H2 = （H1 - F +2P) /S + 1
   宽W2 = (W1 - F + 2P) /S + 1
   D2 = K

过滤器在读取图片特征的时候，超过图片尺寸的解决方法

1. 不越过，直接停止观察（API: VALID）
2. 超越边缘取样，超过的部分使用零填充(API: SAME, 使用SAME时，过滤器计算之后的图片尺寸结果和原图尺寸相同)

tf中卷积相关API

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

input：给定的输入张量，具有[batch,heigth,width,channel]，类型为float32,64
filter：指定过滤器的大小，[filter_height, filter_width, in_channels, out_channels]
strides：strides = [1, stride, stride, 1],步长
padding：“SAME”, “VALID”，使用的填充算法的类型，
使用“SAME”。其中”VALID”表示滑动超出部分舍弃，
“SAME”表示填充，使得