tf.contrib.slim.conv2d 与 tf.nn.conv2d 区别

最新推荐文章于 2024-03-16 20:55:10 发布

eclipSYcn

最新推荐文章于 2024-03-16 20:55:10 发布

阅读量1.6k

点赞数

CC 4.0 BY-SA版权

分类专栏： tensorflow python 文章标签： tensorflow conv2d

本文链接：https://blog.youkuaiyun.com/Eclipsesy/article/details/78933921

21 篇文章

订阅专栏

12 篇文章

订阅专栏

本文详细介绍了使用TensorFlow实现卷积层的两种方法：通过tf.contrib.slim和tf.nn模块。主要内容包括slim.conv2d与tf.nn.conv2d的参数说明，如kernel_size、num_outputs等，以及步长(stride)的设置。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一般会

import tf.contrib.slim as slim

slim.conv2d(inputs, num_outputs, kernel_size, stride = 1, padding = 'SAME')
#其中kernel_size为int单个整数形式，一般为1或3，高与宽都是此数。

tf.nn.conv2d(inputs, filter = [height, width, channels, num_outputs], strides=[1,stride,stride,1],padding)
#stride为x轴与y轴方向的步长，一般相同