【TF】函数和基本应用

Network

tf.nn

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

该函数是实现卷积层的一个核心基础
Args:
input:输入图像，要求是一个tensor，其shape是[batch,height,width,channels]，类型是float32,float64
filter:卷积核，要求是一个tensor，其shape是[height,width,in_channels,out_channels],in_channels和input的channels是一样的，out_channels是卷积层个数，也就是输出图像的通道数。
strides:步长
padding:是一个string的量，它只能是“SAME”或者是"VALID"
use_cudnn_on_gpu:布尔型，默认为true
结果返回Tensor，就是处理之后的图像，其shape仍然是[batch,height,width,channels]
在计算输出图像的大小的时候，通道数就和filter的out_channels是一样，图像的长宽还需要根据
padding进行判断：“SAME”即在边缘补充卷积核的大小减一之后再除以2的边缘（程序自动补充0？生成随机数？），“VALID”是卷积到有效的图像边缘就停止，即padding为0，具体计算公式如下： ( i n p u t +