TensorFlow中nn.conv2d与nn.avg_pool的理解
来源:互联网 发布:郑州网络推广公司 编辑:程序博客网 时间:2024/05/19 15:19
使用TensorFlow求卷积和池化:
import tensorflow as tfimport numpy as npM = np.array([ [[1],[-1],[0]], [[-1],[2],[1]], [[0],[2],[-2]] ])print ("Matrix shape is: ",M.shape)filter_weight = tf.get_variable('weights', [2, 2, 1, 1], initializer = tf.constant_initializer([ [1, -1], [0, 2]]))biases = tf.get_variable('biases', [1], initializer = tf.constant_initializer(1))M = np.asarray(M, dtype='float32')M = M.reshape(1, 3, 3, 1)print("Reshaped M: \n", M)x = tf.placeholder('float32', [1, None, None, 1])# 在3x3的M的右边和下面补零,卷积窗口每次移动两个单位。得到的conv为2x2的矩阵,再转成高维矩阵--[1, 2, 2, 1]conv = tf.nn.conv2d(x, filter_weight, strides = [1, 2, 2, 1], padding = 'SAME') # 将卷积求得的值加上偏置就为所求值bias = tf.nn.bias_add(conv, biases)# 在3x3的M的右边和下面不补零,卷积窗口从左上角每次移动两个单位,遇到数据不足时,只取当前数据。# 得到的pool为2x2的矩阵,再转成高维矩阵--[1, 2, 2, 1]pool = tf.nn.avg_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')with tf.Session() as sess: tf.global_variables_initializer().run() convoluted_M = sess.run(bias,feed_dict={x:M}) pooled_M = sess.run(pool,feed_dict={x:M}) print ("convoluted_M: \n", convoluted_M.reshape(2, 2)) print ("pooled_M: \n", pooled_M.reshape(2, 2))
输出结果如下:
阅读全文
0 0
- TensorFlow中nn.conv2d与nn.avg_pool的理解
- Tensorflow卷积操作tf.nn.conv2d的理解
- TensorFlow tf.nn.conv2d
- Tensorflow NN.conv2d API
- tf.nn.conv2d理解
- TensorFlow-tf.nn.conv2d 函数
- Tensorflow系列:tf.nn.conv2d
- TensorFlow tf.nn.conv2d()介绍
- 【TensorFlow】tf.nn.conv2d是怎样实现卷积的?
- 【TensorFlow】tf.nn.conv2d是怎样实现卷积的?
- 【TensorFlow】tf.nn.conv2d是怎样实现卷积的?
- TensorFlow--tf.nn.conv2d是怎样实现卷积的?
- 【TensorFlow】tf.nn.conv2d是怎样实现卷积的?
- 【TensorFlow】tf.nn.conv2d是怎样实现卷积的?
- tensorflow:tf.nn.conv2d是怎样实现卷积的?
- 【TensorFlow】tf.nn.conv2d是怎样实现卷积的?
- 【TensorFlow】tf.nn.conv2d是怎样实现卷积的?
- 【TensorFlow】tf.nn.conv2d是怎样实现卷积的?
- 芯片检测
- 最小生成树
- 深入解析Linux 常用命令--ip
- 现代操作系统之多处理机系统(上)
- Project facet Java version 1.8 is not supported
- TensorFlow中nn.conv2d与nn.avg_pool的理解
- 数字累加
- 【Scikit-Learn 中文文档】模型选择:选择估计量及其参数
- JS中关于跨域同源的一些问题
- 新开博客,瞎写写
- C语言小游戏:三字棋(增强版本)
- 【Scikit-Learn 中文文档】无监督学习: 寻求数据表示
- numpy基础入门-多维数组对象
- after all 用法, although but 用法