TensorFlow进阶--实现多层Layer

TensorFlow单层Layer示例请参考我的博客--Tensorboard计算图问题汇总

下面我们尝试构建多层Layer

首先引入tensorflow库并创建计算图会话

import tensorflow as tf
import numpy as np

sess = tf.Session()

接下来，通过numpy创建2D图像，并将其数据改变为4维，分别是:图片数量、高度、宽度、颜色通道

创建占位符

x_shape = [1,4,4,1]
x_val = np.random.uniform(size=x_shape)

x_data = tf.placeholder(tf.float32,shape=x_shape)

为了创建过滤4*4像素图片的华东窗口，我们采用conv2d卷积2×2形状的常量窗口，其中conv2d需要传入滑动窗口、过滤器和步长。这里，我们选用各个方向步长为2，过滤器（滤波器）采用均值滤波器（平均值），padding为是否进行扩展，这里选用‘SAME’

#第一层
my_filter = tf.constant(0.25,shape=[2,2,1,1])

my_strides = [1,2,2,1]

mov_avg_layer = tf.nn.conv2d(x_data,my_filter,my_strides,padding='SAME',name='Moving_Avg_Window')

现在我们自定义一个层，对第一层的输出进行y=wx+b操作

def custom_layer(input_matrix):
    input_matrix_sqeezed = tf.squeeze(input_matrix) #去掉维度为1的值 例如[1,2,3,4]==>[2,3,4],[1,3,1,4]==>[3,4]
    A = tf.constant([[1.,2.],[-1.,3.]])
    b = tf.constant(1.,shape=[2,2])
    temp1 = tf.matmul(A,input_matrix_sqeezed)
    temp2 = tf.add(temp1,b)
    return temp2

这里用tf.name_scope命令该层的名字,当然也可以不要这句代码，直接执行custom_layer1 = custom_layer(mov_avg_layer)

with tf.name_scope('Custom_Layer') as scope:
    custom_layer1 = custom_layer(mov_avg_layer)

print(sess.run(custom_layer1,feed_dict={x_data:x_val}))
log = './log'
write = tf.summary.FileWriter(logdir=log,graph=sess.graph)

最后我们通过sess.run执行计算图，并通过tensorboard打开