通俗理解tf.nn.conv2d()参数的含义 pytorhc 卷积

https://blog.csdn.net/g11d111/article/details/82665265
PyTorch学习笔记(9)——nn.Conv2d和其中的padding策略

通俗理解tf.nn.conv2d()参数的含义

不分享的知识毫无意义 关注

2019.03.25 18:08:25 字数 326 阅读 1,537

首先以tensorflow中最常用的卷积神经网络为案例进行说明：

tf.nn.conv2d(
    input,
    filter,
    strides,
    padding,
    use_cudnn_on_gpu=True,
    data_format='NHWC',
    dilations=[1, 1, 1, 1],
    name=None)

首先input必须是一个四维的tensor，以28✖️28✖️1的图像为案例进行说明，首先需要转换为4维，需要加入图像样本的个数，假设为100张，变为[100,28,28,1]，直观理解为100张 2828的只有一个通道的图片。
我们再来看filter，即卷积神经网络的滤波器，必须与input维度相同，[3,3,1,2]，通俗理解为33的卷积核2个，只作用于1个通道，即input的最后一个参数和filter的倒数第二个参数是相同的。
第三个参数是stride，控制卷积核的移动步数，与上述两个参数相同，也是四维的，[1,1,1,1]，其中第一个1和最后一个1是固定值，需要改变的是中间的两个数，即在x轴和y轴的移动步长。
第四个参数是padding，只有两个取值，'SAME'和'VALID'，第一个是填充边界，第二个是当不足以移动时直接舍弃。
其他参数选择默认即可。

1人点赞

深度学习理论基础与实践

"小礼物走一走，来简书关注我"

赞赏支持 还没有人赞赏，支持一下

不分享的知识毫无意义 喜欢数据分析与挖掘，平时主要用hive、python进行数据分析，目前就职于汽车之家，期望与大...

总资产17 (约1.33元) 共写了7.7W字 获得126个赞 共44个粉丝

关注