卷积的使用
来源:互联网 发布:返利网淘宝卖家知道吗 编辑:程序博客网 时间:2024/05/19 16:51
使用tensorflow的框架在mnist上实现两个卷积层一个全链接层构建的卷积网络
“`
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
mnist = input_data.read_data_sets(“MNIST_data/”,one_hot=Ture)
sess = tf.InteractiveSession()
创建默认的Interactive Session。
def weight_variable(shape):
inital = tf.truncated_normal(shape, stddev=0.1)
return tf.Varilable(initial)
def bias_variable(shape):
inital = tf.constant(0.1,shape=shape)
return tf.Varilable(initial)
#本次使用ReLU所以标准差为0.1也给偏置增加小一点的0.1用来避免死亡节点,同时也不能将池化层和卷积层分开不能重复使用避免创建函数的重复定义出现歧义覆盖,输入参数x和权重w的参数。RGB只有灰色所以设置为1,彩色就是3.padding是边界处理使用SAME代表加上padding让卷积的输入和输出与SAME在格式尺寸上一样(一般是150x150像素)
dev conv2d(x,w)
“`
阅读全文
0 0
- 卷积的使用
- fibonacci卷积公式的使用
- 记录使用tensorflow实现大卷积核卷积的代码
- 使用更小卷积核的作用
- 卷积神经网络的卷积操作
- 使用核的图像卷积----水平直线的检测
- AI学习之路(21)卷积核的使用
- 使用RNN模拟CNN中每个卷积层的关系
- CNN(卷积神经网络)在iOS上的使用
- 关于tensorflow中转置卷积使用的理解
- 卷积算子的计算方法(卷积的运算)
- 【卷积】【三个卷积的通俗解释】
- 卷积神经网络中卷积概念的理解
- 卷积及卷积的性质与应用
- 卷积神经网络-图像卷积的概念
- 卷积与反卷积的理解
- 卷积神经网络的卷积层和池化层
- 卷积的理解
- 清北学堂 2017-10-06
- CSDN-markdown编辑器语法
- 一张图讲解对象锁和关键字synchronized修饰方法(代码块)
- 1004. 成绩排名 (20)
- 欧拉回路与欧拉道路
- 卷积的使用
- JQuery EasyUI学习总结
- Linux-USB总线驱动分析
- 浮点型数据和0进行比较的探究
- java之IO流
- pat a 1007 Maximum Subsequence Sum
- httpwacth 记录网页信息与浏览器缓存和ie之见的交互
- 数据库探索之旅——连接数据库
- No Pain No Game(数状数组离线查询)