tensorflow学习： 卷积函数

今天学习了tensorflow的卷积函数，做笔记如下：

１　tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)

　　参数：

　　    input:四维张量，[batch, in_height, in_width, in_channels]


　　    filter:[filter_height, filter_width, in_channels, out_channels]

       strides:[1,h_stride,v_stride,1],只需要修改中间两项水平垂直移动

       padding:"VALID"和"SAME"两种模式

　　    use_cudnn_on_gpu:一个可选布尔值，默认情况下是True

　　    name: （可选）为这个操作取一个名字

   输出：[batch, out_height, out_width, out_channels]


   作用：对一个四维的输入数据input 和四维的卷积核filter 进行操作，然后对输入数据进行一个二维的卷积操作，最后得到卷积之后的结果。个人理解就是把通道看成一个整体进行卷积。

个人理解：假设输入的彩色图像长度为100，宽度为100，则尺寸为100x100x3。卷积核大小为5×5，输出特征映射（特征图）数为10。
在tf.nn.conv2d中，卷积核形状定义为[width，height，in_channels，out_channels]即 [5, 5 , 3，10]。图像上的卷积核的形状为5x5x3，并且在整个图像上卷积10次，以产生10个不同的特征图。


２　tf.nn.depthwise_conv2d(input, filter, strides, padding, name=None)

　　参数：

　　　　input:　[batch, in_height, in_width, in_channels]。


　　　　filter: [filter_height, filter_width, in_channels, channel_multiplier]。


　　　　strides:[1,h_stride,v_stride,1]


　　　　padding:一个字符串，取值为SAME 或者 VALID


　　　　use_cudnn_on_gpu: 一个可选布尔值，默认情况下是True

　　　　name:（可选）为这个操作取一个名字

      输出：[batch, out_height, out_width,in_channels * channel_multiplier]




　　作用：depthwise_conv2d 函数将不同的卷积核独立的应用在in_channels 的每个通道上（从通道1 到通道 channel_multiplier ），然后把所以的结果进行汇总。最后输出通道的总数是in_channels * channel_multiplier。个人理解就是把输入通道分开，分别进行卷积，最后合并。

个人理解：假设输入的彩色图像长度为100，宽度为100，则尺寸为100x100x3。卷积核大小为5×5。在tf.nn.depthwise_conv2d中，卷积核形状为[width，height，in_channels，channel_multiplier]即[5，5，3，10]。现在输出的方式不同了，卷积形状为5x5x1，对输入图像的3个通道（特征图）分别卷积，则输入图像的每一个通道（特征图）会生成10特征图，最后合并，得到总共30个特征图。channel_multiplier会告诉你每个维度需要应用多少个不同的过滤器。




３　tf.nn.separable_conv2d(input, depthwise_filter, pointwise_filter, strides, padding, name=None)

　　参数：

　　　　input:　[batch, in_height, in_width, in_channels]

              depthwise_filter:[filter_height,filter_width,in_channels,channel_multiplier]  其中，in_channels 的卷积 深度是 1。

              pointwise_filter:[1, 1, channel_multiplier * in_channels, out_channels]。其中，pointwise_filter 是在depthwise_filter 卷积之后的混合卷积。

              strides:[1,h_stride,v_stride,1],  只需要修改中间两项水平垂直移动

              padding:"VALID"和"SAME",  两种模式

              name:（可选）为这个操作取一个名字

        作用：tf.nn.separable_conv2d是利用几个分离的卷积核去做卷积。首先用depthwise_filter做卷积，效果与depthwise_conv2d相同，然后用1x1的卷积核pointwise_filter去做卷积。


   





参考文章：http://blog.csdn.net/u012436149/article/details/52890859?locationNum=8&fps=1