TensorFlow中CNN/卷积神经网络算法的理解
来源:互联网 发布:51单片机流水灯原理图 编辑:程序博客网 时间:2024/05/16 00:51
tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)
主要是理解input 和filter的结构
input: [batch, in_height, in_width, in_channels]
in_height, in_width 表示图片的宽度和高度,一般是以像素为单位;
batch 表示这一批数据中有多少张图片;
in_channels 表示每张图片的通道,灰度图只有1个channel,rgb图有三个channel,分别是rgb值,rgba图有四个channel,最后一个a表示透明度。
filter:[filter_height, filter_width, in_channels, out_channels]
filter就是卷积核,一般的教程中作示意的时候卷积核都认为是二维的,但实际上如果不是灰度图,那么输入的图片就不是二维的。
filter_height, filter_width 分别代表 卷积核的高度和宽度,一般高度和宽度是一样的;
in_channels 表示输入图片的通道数,就是input 中的n_channels,两个必须是一样的,卷积的时候就是从图像[in_height, in_width, in_channels]中抽取[filter_height, filter_width, in_channels],和卷积核[filter_height, filter_width, in_channels], 两个三维的张量做点积,产生一个值,就表示卷积生成的图像中的一个像素点
out_channels 是生成的卷积后图像的深度,实际上也是卷积核的个数,也是生成的feature的个数。
这样理解起来应该就没有问题了。
阅读全文
0 0
- TensorFlow中CNN/卷积神经网络算法的理解
- 【TensorFlow】TensorFlow 的卷积神经网络 CNN
- 卷积神经网络CNN的理解
- CNN卷积神经网络的理解
- CNN卷积神经网络的理解
- tensorflow CNN卷积神经网络
- tensorflow CNN卷积神经网络
- 理解CNN卷积神经网络
- TensorFlow实现卷积神经网络CNN
- TensorFlow学习--卷积神经网络CNN
- TensorFlow搭建CNN卷积神经网络
- TensorFlow实现卷积神经网络CNN
- TensorFlow -- 实现CNN卷积神经网络
- 对卷积神经网络(CNN)的简单理解
- 卷积神经网络(CNN)的理解
- 【TensorFlow】TensorFlow 的卷积神经网络 CNN - 无TensorBoard版
- 卷积神经网络(二):卷积神经网络CNN的BP算法
- 卷积神经网络(二):卷积神经网络CNN的BP算法
- DBMS_AW_EXP: BIN$XXXXXXX==$0 not AW$
- 003
- Java开发常用开源类库
- 应用市场中拦截器和切面的使用
- 两种解决表单重复提交的方式PRG和Token
- TensorFlow中CNN/卷积神经网络算法的理解
- 搭建自己的Webpack项目
- MySQL 共享锁与排他锁
- Android 网络通讯 socket tcp/ip udp http之间的关系
- String类中的equals方法与Object类中equals方法的区别
- Spring解决乱码问题
- 之江学院2017ACM 校赛Problem D: qwb与神奇的序列
- 清除浏览器缓存js文件的几种方法
- 隐因子分解机Factorization Machine