tensorflow--卷積神經網路
1 tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)
input:指需要做卷積的輸入影象,[batch, in_height, in_width, in_channels]
[訓練時一個batch的圖片數量, 圖片高度, 圖片寬度, 影象通道數]
filter:[filter_height, filter_width, in_channels, out_channels]
[卷積核的高度,
]卷積核的寬度,影象通道數,卷積核個數
注意:第三維
,就是引數input的第四維in_channels
strides:卷積時在影象每一維的步長,這是一個一維的向量,長度4
padding:"SAME","VALID"
use_cudnn_on_gpu: bool型別,是否使用cudnn加速,預設為true
結果返回一個Tensor,即feature map,shape是
[batch, height, width, channels]
2 tf.nn.max_pool(value,ksize,strides,padding,name=None)
value:需要池化的輸入,一般池化層接在卷積層後面,所以輸入通常是feature map,[batch, height, width, channels]
ksize:池化視窗的大小,取一個四維向量,一般是[1, height, width, 1],因為我們不想在
batch和
channels
上做池化,所以這兩個維度設為了1
strides:和卷積類似,視窗在每一個維度上滑動的步長,一般也是[1, stride,
stride
, 1]
padding:取'VALID' 或者'SAME'
返回一個Tensor,型別不變,shape仍然是[batch, height, width, channels]
參考
http://blog.csdn.net/mao_xiao_feng/article/details/53453926