tensorflow中的卷积函数详解

Posted 2022-11-26 岳飞传

1. 卷积的原理

2. temsorflow中的卷积函数

2.1 tf.nn.conv2d

（1）函数原型

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)

（2）参数介绍

• 第一个参数input：指需要做卷积的输入图像，它要求是一个Tensor，具有[batch, in_height, in_width, in_channels]这样的shape，具体含义是[训练时一个batch的图片数量, 图片高度, 图片宽度, 图像通道数]，注意这是一个4维的Tensor，要求类型为float32和float64其中之一

• 第二个参数filter：相当于CNN中的卷积核，它要求是一个Tensor，具有[filter_height, filter_width, in_channels, out_channels]这样的shape，具体含义是[卷积核的高度，卷积核的宽度，图像通道数，卷积核个数]，要求类型与参数input相同，有一个地方需要注意，第三维in_channels，就是参数input的第四维

• 第三个参数strides：卷积时在图像每一维的步长，这是一个一维的向量，长度4

• 第四个参数padding：string类型的量，只能是”SAME”,”VALID”其中之一，这个值决定了不同的卷积方式（后面会介绍）

• 第五个参数：use_cudnn_on_gpu:bool类型，是否使用cudnn加速，默认为true

• 结果返回一个Tensor，这个输出，就是我们常说的feature map，shape仍然是[batch, height, width, channels]这种形式。

（3）函数使用示例

参考：https://www.cnblogs.com/qggg/p/6832342.html