卷积神经网络的四个超参数
- Filter数量K
- Filter大小F
- 步长S
- 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
- 不越过,直接停止观察(API: VALID)
- 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