tensorflow 中卷积 conv2d 的实现及特殊情况下的处理方式

本文详细介绍了TensorFlow中conv2d函数的工作原理,特别是SAME和VALID填充模式下输出尺寸的计算。在SAME模式下,当步长为2时,仅在右侧和下侧补零,而在VALID模式下,会忽略最右侧和下侧的像素。建议在实践中避免除步长后不为整数的情况。
摘要由CSDN通过智能技术生成

一、先来介绍一下卷积操作conv2d的实现

该函数的官方文档如下:

tf.nn.conv2d(
    input,
    filter,
    strides,
    padding,
    use_cudnn_on_gpu=True,
    data_format='NHWC',
    dilations=[1, 1, 1, 1],
    name=None
)

其中,第一个参数 input ,是输入的预处理图像,它要求是一个四维的张量,每个维度对应为 【batchsize, 输入图像宽度,输入图像高度,输入图像深度】 ,数据类型只能用浮点型

第二个参数 filter 是卷积核的大小,也要求是四维张量,对应为 【卷积核宽度,卷积核高度,输入的图像深度,输出的图像深度】

第三个参数是设定步长,是一个有四个元素的向量,对应为  【1,水平方向步长,垂直方向步长,1】 

第四个参数是一个指示填充方式的参数,只能选择 ‘SAME’或者‘VALID’ ,前者说明进行填充,后者说明不用填充。

其他的参数一般情况下默认即可,如需改变请参考官方原文解释:https://tensorflow.google.cn/api_docs/python/tf/nn

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值