slim

tf.nn.conv2d和tf.contrib.slim.conv2d的区别

http://blog.sina.com.cn/s/blog_6ca0f5eb0102wsuu.html


tf.contrib.slim.conv2d (inputs,
                num_outputs,[卷积核个数]
                kernel_size,[卷积核的高度,卷积核的宽度]
                stride=1,
                padding='SAME',
)
tf.nn.conv2d(
    input,(与上述一致)
    filter,([卷积核的高度,卷积核的宽度,图像通道数,卷积核个数])
    strides,
    padding,
)

http://www.360doc.com/content/17/0418/10/10408243_646494562.shtml


https://www.2cto.com/kf/201706/649266.html

采用VGG16做图像分类与分割

http://geek.csdn.net/news/detail/126133


slim markdown 翻译

http://blog.csdn.net/guvcolie/article/details/77686555

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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