tf.Variable(<initial - value>,name=<optional - name>)
函数目的:
- 用于定义图变量。
- 生成一个初始值为initial - value的变量。
tf.get_variable(name,shape,dtype,initializer,trainable)
函数目的:
- 用于定义图变量。
- 获取已经存在的变量,如果不存在,就新建一个
函数参数:
- name:名称
- shape:数据形状。
- dtype:数据类型。常用的tf.float32,tf.float64等数值类型
- initializer:初始化值。可以使用各种初始化方法
- trainable:是否训练变量。bool类型:True训练,False不训练
tf.get_variable()相对于tf.Variable()的优点:
方便共享变量,
必须和reuse和tf.variable_scope()配合使用
TensorFlow卷积函数tf.nn.conv2d
tf.nn.conv2d(input , filter , strides , padding , use_cudnn_nn_GPU = True , data_format = 'NHWC' , dialations = [1,1,1,1] , name =None,)
Returns:
A Tensor.
参数:
- input:
- 功能:输入卷积的图像(tensor);
- 具有四维shape[batch, in_height, in_width, in_channels]:分别为图片数量,图片高度,图片宽度,图片通道数;
- 数据类型:float32或float64.
- filter:
- 功能:相当于CNN中卷积核,是一个tensor;
- 具有四维shape[filter_height, filter_width, in_channels, out_channels]:分别为滤波器高度,宽度,图像通道数,滤波器个数.
- 数据类型:float32或float64.
- strides:
- 功能:卷积在每一维度的步长;一般为一维向量,长度为‘4’:[1, stride, stride,1].
- padding:
- 功能:定义元素边框和元素内容之间的空间;只能是‘same‘或’valid‘类型
- Return:返回值是tensor
with tf.variable_scope('conv1') as scope:
# 建立weights和biases的共享变量
# conv1, shape = [kernel size, kernel size, channels, kernel numbers]
weights = tf.get_variable('weights',
shape=[3, 3, 3, 16],
dtype=tf.float32,
initializer=tf.truncated_normal_initializer(stddev=0.1, dtype=tf.float32))
biases = tf.get_variable('biases',
shape=[16],
dtype=tf.float32,
initializer=tf.constant_initializer(0.1))
conv = tf.nn.conv2d(images,
weights,
strides=[1, 1, 1, 1],
padding='SAME')
pre_activation = tf.nn.bias_add(conv, biases) # 加入偏差
conv1 = tf.nn.relu(pre_activation, name=scope.name) # 加上激活函数非线性化处理,且是在conv1的命名空间