tf的随笔

检测tf是否使用gpu

import numpy as np
import tensorflow as tf

version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:",version,"\nuse GPU",gpu_ok)

卷积网络

conv2D

input：一个四维张量，格式NHWC(这个格式也可以是NCHW)
filter：一个HWNC的4维张量，
特别说明：(filter的N == input的C，表示被卷目标的通道数，filter的C=输出矩阵的C，表示卷积核的个数）

import tensorflow as tf
import numpy as np
FEATURE_MAP = np.random.uniform(-5, 5, size=(8, 7, 7, 512)).astype(np.float16)
WEIGHT = np.random.uniform(-5, 5, size=(3, 3, 512, 3)).astype(np.float16)
y = tf.nn.conv2d(
    FEATURE_MAP, filter=WEIGHT, strides=[1,1], padding="SAME", use_cudnn_on_gpu=True,
    data_format='NHWC', dilations=[1, 1, 1, 1], name=None, filters=None
)
print(y.shape)

conv3D

3d多了一个深度方向的参数，
input：是一个5维的张量，格式为NDHWC，
卷积核（filter ）：一个五维张量，格式固定为DHWNC
特别注意：(卷积核这边N与input里面的C必须是一致的，表示的是被卷目标的通道数，这边的C表示的是卷积核的数量，也是输出目标的通道数)，卷积参数里面的D可以理解为是一个视频里面的多张图片

import tensorflow as tf
import numpy as np
input = np.random.uniform(1, 10, [1, 4, 5, 5, 5]).astype(np.float32)
filter = np.random.uniform(1, 10, [2, 3, 3, 5, 7]).astype(np.float32)

y = tf.nn.conv3d(input,filter=filter,padding="SAME",data_format="NDHWC",
                 strides=[1, 2, 2, 2, 1])
print(y.shape,type(y))