- tf.nn.moments
用来计算均值和方差
返回值为mean var
import tensorflow as tf
img = tf.Variable(tf.random_normal([128, 32, 32, 64]))
axis = list(range(len(img.get_shape()) - 1))
mean, variance = tf.nn.moments(img, axis)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
# print(sess.run(img))
print(axis)
resultMean = sess.run(mean)
print('resultMean',resultMean)
resultVar = sess.run(variance)
print('resultVar',resultVar)
对于 [128, 32, 32, 64] 这样的4维矩阵来说,一个batch里的128个图,经过一个64kernels卷积层处理,得到了128 * 64个图,再针对每一个kernel所对应的128个图,求它们所有像素的mean和variance,因为总共有64个kernels,输出的结果就是一个一维长度64的数组。
原文链接:https://blog.csdn.net/TeFuirnever/article/details/88898003
- __ 。。。__是什么
解释链接
@tf.function
在TensorFlow 2.0中,推荐使用 @tf.function (而非1.X中的 tf.Session )实现Graph Execution,从而将模型转换为易于部署且高性能的TensorFlow图模型。只需要将我们希望以Graph Execution模式运行的代码封装在一个函数内,并在函数前加上 @tf.function 即可
图像操作>去噪
介绍
计算并返回一个或多个图像的总体变化。
总变化量是输入图像中相邻数值绝对差值的总和。这测量了图像中有多少噪声量。
这可以在优化期间利用损失函数,以抑制图像中的噪声。如果你有累积图像,那么你应该计算标量损失值作为总和:
损失= tf.reduce_sum(tf.image.total_variation(images))