def conv2d(x,W):
return tf.nn.conv2d(x,W,strides=[1,1,1,1],padding="SAME")
x是输入(张量,Keras里这里可以是numpy,TensorFlow好像只能是张量,测试的时候是这样,有待考证),W是权重。strides=[1,1,1,1]其实是strides=[1,x,y,1],x,y是用来设置步长的。
W_conv1=weight_variable([3,3,1,32])
其中3,3就是Keras中filter_size,1就是输入的通道(输入层就是图片的通道,之后就是上一层的输出的通道),32就是输出的通道。
设置偏置:
b_conv1=bias_variable([32])
完整卷积:
h_conv1=tf.nn.relu(conv2d(x_image,W_conv1)+b_conv1)