tensorflow基础一：自定义layer以及将其整合到计算图中
发布时间
阅读量：
阅读量
目的
通过整合用户自行定义的layer与tensorflow内置的layer，构建出包含多层结构的计算图。
功能实现概述
对二维图像实施滑动窗口平均处理，随后借助特定设计的操作层输出计算结果。
import tensorflow as tf
import numpy as np
sess = tf.Session()
#将size设为[1, 4, 4, 1]是因为tf中图像函数是处理四维图片的。
#这四维依次是： 图片数量，高度， 宽度， 颜色通道
x_shape = [1,4,4,1]
x_val = np.random.uniform(size = x_shape)
#tf.nn.conv2d中name表明该layer命名为“Moving_Avg_Window”
#该卷积核为[[0.25,0.25],[0.25,0.25]],所以是一个求平均操作
x_data = tf.placeholder(tf.float32, shape = x_shape)
my_filter = tf.constant(0.25, shape = [2,2,1,1])
my_strides = [1,2,2,1]
mov_avg_l全部评论 (0)
还没有任何评论哟~