tensorflow 卷积

本文详细介绍了TensorFlow中tf.nn.conv2d函数的使用方法,包括如何设置卷积核(filter)的形状以及如何指定步长(strides)和填充(padding)方式。文中还解释了卷积核的具体含义及其与输入图像的关系。

tf.nn.conv2d是怎样实现卷积的?

参考博客:

http://blog.youkuaiyun.com/mao_xiao_feng/article/details/78004522

 

 

tf.nn.conv2d(x, conv, strides=[1, 1, 1, 1], padding='SAME') 

 

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.

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值