tensorflow中的卷积和池化解释
来源：互联网 发布：淘宝利润空间怎么填 编辑：程序博客网 时间：2024/05/16 15:17
首先，卷积和池化的基本概念就不用多说了，写这个东西的太多了，这里主要说说tensorflow中的相关内容。
再看看tensorflow中关于这两个函数的接口定义：
tf.nn.conv2d( input,#输入的数据size=[batch, in_height, in_width, in_channels] filter,#卷积核size=[filter_height, filter_width, in_channels, out_channels]，in_channels是输入卷积核通道数#相同，out_channels是输出卷积结果个数 strides,#strides[0]=strides[3]=1，而strides[1]，strides[2]分别是x,y方向上的位移 padding,#"SAME", "VALID" use_cudnn_on_gpu=None, data_format=None, name=None）bias_add( value, bias, data_format=None, name=None)avg_pool( value,#[batch, height, width, channels] ksize,#The size of the window for each dimension of the input strides,#The stride of the sliding window for each dimension padding,#"SAME", "VALID" data_format='NHWC',#'NHWC' and 'NCHW' name=None)给出的示例代码：
import tensorflow as tfimport numpy as npMat=np.array([[[1],[4],[-2],[7],[2]],[[3],[8],[1],[0],[3]],[[5],[-6],[-1],[4],[0]],[[7],[-2],[4],[0],[1]],[[2],[6],[1],[3],[-1]]])print("The matrix is:",Mat)filtKernel=tf.get_variable("weight",[2,2,1,1],initializer=tf.constant_initializer([[1,-2],[0,4]]))biases=tf.get_variable("biases",[1],initializer=tf.constant_initializer(2))Mat=np.asarray(Mat, dtype='float32')Mat=Mat.reshape(1,5,5,1)x=tf.placeholder('float32',[1,None,None,1])conv=tf.nn.conv2d(x,filtKernel,strides=[1,2,2,1],padding="SAME")bias=tf.nn.bias_add(conv,biases)pools=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()conM=sess.run(conv,feed_dict={x:Mat})#print("converlution matrix: ",conM)conMbias=sess.run(bias,feed_dict={x:Mat})#print("converlution with bias: ",conMbias)pool=sess.run(pools,feed_dict={x:Mat})print("the pooling result is: ",pool)
运行结果截图：卷积
池化
另外，给出部分结果解析：
卷积
池化结果
0 0
- tensorflow中的卷积和池化解释
- 卷积神经网络中卷积、反卷积、池化解析
- TensorFlow 中的卷积网络
- 在TensorFlow中的cnn卷积和池化的计算及参数详解
- tensorflow中的上采样(unpool)和反卷积(conv2d_transpose)
- tensorflow CNN 卷积神经网络中的卷积层和池化层的代码和效果图
- CNN的超参数 & 宽卷积和窄卷积的理解及tensorflow中的实现
- TensorFlow基本操作 实现卷积和池化
- 用TensorFlow实现卷积神经网络中的池化层
- TensorFlow 中的卷积网络（cnn）
- 学习用tensorflow实现卷积神经网络中的卷积层随笔
- Tensorflow 卷积
- Tensorflow基础：卷积层和池化层
- tensorflow和caffe的卷积参数差别
- 6、TensorFlow 中的卷积操作及其在 MobileNets 中的应用
- TensorFlow在MNIST中的应用-卷积神经网络CNN
- tensorflow中的逆卷积操作 输出向量的尺寸计算
- CNN中的卷积和池化的理解
- Centos 7禁用firewalld安装iptables防火墙
- 非对称加密RSA原理个人学习总结
- unity3D 粒子系统详解
- 微服务实践：从单体式架构迁移到微服务架构
- Kubernetes权威指南学习笔记（一）
- tensorflow中的卷积和池化解释
- HTTP协议详解
- 装饰模式
- SpringBoot中使用Redis实现缓存
- 为何安全专家都厌恶 SOA
- httpGet()中拼接请求URL
- 技术管理序列1 -- “不确定性”&风险把控
- Android ContentResolver 内容解析者(解析器)----重新认识Android（11）
- Vue系列——在vue项目中使用jQuery及其第三方插件
