tensorflow 中conv2d 以及max_pool 参数设置
来源:互联网 发布:java批量update mysql 编辑:程序博客网 时间:2024/06/05 10:26
1、tf.nn.conv2d
tf.nn.conv2d是TensorFlow里面实现卷积的函数,参考文档对它的介绍并不是很详细,实际上这是搭建卷积神经网络比较核心的一个方法,非常重要。
tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)
除去name参数用以指定该操作的name,与方法有关的一共五个参数:
第一个参数input:指需要做卷积的输入图像,它要求是一个Tensor,具有[batch, in_height, in_width, in_channels]这样的shape,具体含义是[训练时一个batch的图片数量, 图片高度, 图片宽度, 图像通道数],注意这是一个4维的Tensor,要求类型为float32和float64其中之一
第二个参数filter:相当于CNN中的卷积核,它要求是一个Tensor,具有[filter_height, filter_width, in_channels, out_channels]这样的shape,具体含义是[卷积核的高度,卷积核的宽度,图像通道数,卷积核个数],要求类型与参数input相同,有一个地方需要注意,第三维in_channels,就是参数input的第四维
第三个参数strides:卷积时在图像每一维的步长,这是一个一维的向量,长度4
第四个参数padding:string类型的量,只能是”SAME”,”VALID”其中之一,这个值决定了不同的卷积方式(后面会介绍)
第五个参数:use_cudnn_on_gpu:bool类型,是否使用cudnn加速,默认为true
2、tf.max_pool
tf.nn.max_pool(value, ksize, strides, padding, name=None)
参数是四个,和卷积很类似:
第一个参数value:需要池化的输入,一般池化层接在卷积层后面,所以输入通常是feature map,依然是[batch, height, width, channels]这样的shape
第二个参数ksize:池化窗口的大小,取一个四维向量,一般是[1, height, width, 1],因为我们不想在batch和channels上做池化,所以这两个维度设为了1
第三个参数strides:和卷积类似,窗口在每一个维度上滑动的步长,一般也是[1, stride,stride, 1]
第四个参数padding:和卷积类似,可以取’VALID’ 或者’SAME’
返回一个Tensor,类型不变,shape仍然是[batch, height, width, channels]这种形式。
转载:【TensorFlow】tf.nn.conv2d是怎样实现卷积的?
- tensorflow 中conv2d 以及max_pool 参数设置
- tensorflow `conv2d max_pool 方法参数
- tensorflow中conv2d卷积测试
- tensorflow conv2d的padding解释以及参数解释
- tensorflow conv2d的padding解释以及参数解释
- tensorflow conv2d的padding解释以及参数解释
- tensorflow conv2d的padding解释以及参数解释
- TensorFlow中nn.conv2d与nn.avg_pool的理解
- TensorFlow tf.nn.conv2d
- Tensorflow NN.conv2d API
- tensorflow conv2d()参数解析
- TensorFlow-tf.nn.conv2d 函数
- Tensorflow系列:tf.nn.conv2d
- 【tensorflow】conv2d/conv3d/maxpool2d/maxpool3d
- TensorFlow tf.nn.conv2d()介绍
- TensorFlow conv2d原理及实践
- 池化操作 tensorflow tf.nn.max_pool
- Tensorflow(r1.4)API--tf.nn.max_pool
- 【Python那些事儿】准备数据——训练集和测试集
- jsp中<%%> 与<%!%> , <%=%>与<% :%>是什么?
- Pangolin在虚拟机上遇到的问题
- (10)逻辑判断的问题:点评赛车(通过枚举处理逻辑判断问题。)
- 安卓 RadioButton的图片大小设置 draw的图片大小设置
- tensorflow 中conv2d 以及max_pool 参数设置
- 欧式空间与酉空间——概念区分
- 让程序在崩溃时体面的退出之Dump文件
- Prescan学习笔记(一)
- ListView
- python数据分析——安装numpy,生成正态分布并简单分析
- 动态规划问题
- 欢迎使用CSDN-markdown编辑器
- Diplomas and Certificates