cnn系列文章五 --tf.nn.conv2d 和 tf.nn.max_pool详解

本文是CNN系列的第五篇,主要讲解如何在TensorFlow中使用tf.nn.conv2d进行卷积操作和tf.nn.max_pool进行最大池化操作。内容包括输出尺寸计算、参数解析以及这两个函数在构建LeNet-5网络结构中的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

cnn系列文章四 –池化层和简单卷积网络示例

你懂得,分享一句歌词哦:

《故梦》
谁踩过枯枝轻响,萤火绘着画屏香
为谁拢一袖芬芳,红叶的信笺情意绵长

接下来主要讲解tensorflow有关cnn构建的问题了。

  • tf.nn.conv2d(input, filter, padding, use_cundnn_on_gpu=True, data_format=’NHWC’, name=None)

    1. input [batch, in_height, in_width, in_channels]
    2. filter [height, width, in_channels, out_channels]
    3. padding:
      • ’VALID’ : p=0
      • ‘SAME’: 输入输出相等
    4. strides: 各个维度上([batch, height, width, channels])的跨度,一般设置为:[1, strides, strides, 1]

    output: [batch, out_height, out_width, out_channels]

    outheight=inheight+2×pfliterheightstridesh
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