对tf.nn.conv2d方法的理解

本文深入介绍了tf.nn.conv2d方法,首先阐述了卷积的基本概念,它是数字图像处理中用于滤波的重要操作。接着详细解释了tf.nn.conv2d的参数,包括输入张量、卷积核张量、步长和填充方式。通过具体的例子和形象的比喻,帮助读者理解卷积运算的过程和在神经网络中的应用。
摘要由CSDN通过智能技术生成

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:
在这里插入图片描述
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:

  1. 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 ]
  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值