tensorflow function笔记: tf.nn.conv2d

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)

Arguments

input shape: [batch, in_height, in_width, in_channels]

filter shape： [filter_height, filter_width, in_channels, out_channels]

stride: Must have strides[0] = strides[3] = 1. For the most common case of the same horizontal and vertices strides, strides = [1, stride, stride, 1].

padding: A string from: “SAME“, “VALID“. The type of padding algorithm to use.

注意：

Input shape 和 filter shape 不同， input shape是普通图片数据集的四个维度，分别是 batch height width 和channel。

Filter shape 是 height, width， input channel， output channel。 filter 改变channel， 而不会改变batch size。 filter 和 stride 一起改变了height 和 width。

stride 的 batch （stride[0]） 和 channel (stride[3]) 都是1， height 和 width相等。

padding的方法有两种：

1、如果padding = ‘VALID’

new_height = new_width = (W – F + 1) / S （结果向上取整）
VALID方式不会在原有输入上加padding

2、如果padding = ‘SAME’

new_height = new_width = W / S （结果向上取整）
最常见的如果stride = [1 , 1, 1, 1] 图片会加padding使得输入与输出的height width 不变