tensorflow学习之卷积

最新推荐文章于 2022-02-13 09:43:57 发布

leo_whz

最新推荐文章于 2022-02-13 09:43:57 发布

阅读量504

点赞数

分类专栏： tensorflow 文章标签： tensorflow

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/whz1861/article/details/77947723

版权

本文详细介绍了TensorFlow中的几种卷积操作，包括tf.nn.conv2d、tf.nn.depthwise_conv2d、tf.nn.separable_conv2d和tf.nn.atrous_conv2d。讲解了卷积的原理、参数含义，并通过示例展示了这些卷积操作的应用。

摘要由CSDN通过智能技术生成

[Toc]
tensorflow中提供了多种卷积操作，如下

tf.nn.conv2d
tf.nn.depthwise_conv2d
tf.nn.separable_conv2d
tf.nn.atrous_conv2d

下面我们逐一对卷积进行分析

Tensor

tensorflow中的图像与卷积核都是一个4维tensor，tensor的每一位表达的含义如下

i n p u t d a t a = [b a t c h n u m, i n w i d t h, i n h e i g h t, i n c h a n n e l s]

$input_{data} = [batch_{num}, in_{width}, in_{height}, in_{channels}]$

f i l t e r d a t a = [f i l t e r w i d t h, f i l t e r h e i g h t, i n c h a n n e l s, o u t c h a n n e l s]

$filter_{data} = [filter_{width}, filter_{height}, in_{channels}, out_{channels}]$ 其中，步长strides是一个向量

[stride

最低0.47元/天解锁文章

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。