本文介绍了如何使用TensorFlow进行一维卷积操作，重点讲解了`tf.nn.conv2d()`函数的应用。接着，讨论了池化在卷积神经网络中的作用，包括最大池化和平均池化，以及`tf.nn.max_pool()`和`tf.nn.avg_pool()`的使用。文章强调了池化层在降低维度和特征提取中的重要性。
紧接着上一节讲的卷积内容，今天我们先用tensorfloww实现一个卷积操作：
上面的图中我们可以看到，我们先用一张图片进行输入，也就是input的值，后面要给出图片的参数；filter也就是我们的滤波器(卷积核).
tf.nn.conv2d就是我们的卷积层函数，这个函数有四个参数，第一维为输入图像，第二维为卷积层权值，第三维为不同维度的步长(在CNN中，第一维、第四维固定为1)，第四维填充方式(SAME表示全0填充，VALID为不填充), 层的深度：例如一个输入图像是28*28*3，其中3代表深度，即为(R，G，B)
除了conv2d()函数之外，Tensorflow还提供了其他的用于卷积运算的函数，在这里我们不做过多的介绍，用的最多的还是conv2d()函数
池化(Pooling)
在上一节当中，我们讲述了卷积操作，通过卷积获得了特征(Feature)之后,下一步要做的工作就是利用这些特征进行分类。为了简化计算量，我们通常使用池化函数处理这一过程。池
最低0.47元/天 解锁文章
799
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
