stride中参数含义及步长修改

步长stride是一个一维的向量，长度为4。形式是[a,x,y,z]，分别代表[batch滑动步长，水平滑动步长，垂直滑动步长，通道滑动步长]

在tensorflow中，stride的一般形式是[1，x，y，1]

第一个1表示：在batch维度上的滑动步长为1，即不跳过任何一个样本

x表示：卷积核的水平滑动步长

y表示：卷积核的垂直滑动步长

最后一个1表示：在通道维度上的滑动步长为1，即不跳过任何一个颜色通道

转自 https://blog.csdn.net/u014453898/article/details/81517975

 

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为 [ batch, in_height, in_weight, in_channel ]，其中batch为图片的数量，in_height 为图片高度，in_weight 为图片宽度，in_channel 为图片的通道数，灰度图该值为1，彩色图为3。（也可以用其它值，但是具体含义不是很理解）
• filter： 卷积核，要求也是一个张量，shape为 [ filter_height, filter_weight, in_channel, out_channels ]，其中 filter_height 为卷积核高度，filter_weight 为卷积核宽度，in_channel 是图像通道数 ，和 input 的 in_channel 要保持一致，out_channel 是卷积核数量。
• strides： 卷积时在图像每一维的步长，这是一个一维的向量，[ 1, strides, strides, 1]，第一位和最后一位固定必须是1
• padding： string类型，值为“SAME” 和 “VALID”，表示的是卷积的形式，是否考虑边界。”SAME”是考虑边界，不足的时候用0去填充周围，”VALID”则不考虑
• use_cudnn_on_gpu： bool类型，是否使用cudnn加速，默认为true

具体实现

参考： 
1、https://blog.csdn.net/mao_xiao_feng/article/details/53444333 
2、https://www.tensorflow.org/api_docs/python/tf/nn/conv2d 
3、CNN原理介绍 https://blog.csdn.net/v_july_v/article/details/51812459