理解这个方法之前,先要理解卷积的概念。
卷积,通俗的讲就是加权叠加,就相当于把输入信号的各个时间点的单位响应 加权叠加,就直接得到了输出信号。
在数字图像处理中,卷积的物理含义是:把一个点的像素值用它周围的点的像素值的加权平均代替。通常应用于图像滤波。
注意:这里要强调的是卷积运算时,输入与卷积核之间的运算过程不是矩阵运算,而仅仅是对应位置相乘,然后把所有的值相加,得到中心点的值。
如下图所示:
这篇文章对卷积的过程讲解比较详细:
https://blog.csdn.net/chaipp0607/article/details/72236892?locationNum=9&fps=1
-
方法定义
tf.nn.conv2d (input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)
-
参数:
- input:输入的要做卷积的图片,要求为一个张量。
shape即形态为: [ batch, in_height, in_weight, in_channel ]