tensorflow学习笔记：卷积神经网络系列（卷积、反卷积与空洞）
发布时间
阅读量：
阅读量
卷积
卷积函数的表达式如下所示：
tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None,
data_format=None, name=None)
输入数据为一个四维的张量，滤波器（即卷积核）同样为四维结构，通常其维度形式为[高度, 宽度, 输入通道数, 输出通道数]，其中高度与宽度分别对应卷积核在空间维度上的尺寸，而输入通道数与输出通道数则分别表示输入特征的维度以及经过卷积操作后输出特征的维度。
import tensorflow as tf
x1 = tf.constant(1.0, shape=[1, 5, 5, 3])
x2 = tf.constant(1.0, shape=[1, 6, 6, 3])
kernel = tf.constant(1.0, shape=[3, 3, 3, 1])
y1 = tf.nn.conv2d(x1, kernel, strides=[1, 2, 2, 1], padding="SAME")
y2 = tf.nn.conv2d(x2, kernel, strides=[1, 2, 2全部评论 (0)
还没有任何评论哟~