Tensorflow卷积操作初探

学习tensorflow的目的是为了进行深度学习，而深度学习的最出名工具之一就是卷积网络，所以得搞清楚卷积网络在TF环境下是怎样实现的，以下代码实现从一个4*4的图像下面进行2*2的卷积操作，让我们来看看其中参数的意思：

x_shape = [1, 4, 4, 1]; #第一个参数是图片数量，第二个和第三个是图片的高度和宽度，第四个是通道数（channel），TF卷积标配
x_val = np.random.uniform(size=x_shape); # 产生一个随机数图像4*4

x_data = tf.placeholder(tf.float32, shape=x_shape); #占位符，用于传入图像数据

my_filter = tf.constant(0.25, shape=[2,2,1,1]); # 卷积核，第一个参数为卷积核高度，第二个参数为卷积核宽度，第三个和第四个是跟输入输出通道数有关的参数（本例都为1）
my_strides = [1,2,2,1]; #步长，影响卷积之后输出矩阵大小
mov_avg_layer = tf.nn.conv2d(x_data,my_filter,my_strides,

                             padding='SAME',name='Moving_Avg_Window'); # 输出图像矩阵大小为2*2

主要要注意的是conv2d中第二个参数的定义，步长影响最后卷积操作输出的图像的大小。