TensorFlow卷积层函数(卷积层+池化层)

TensorFlow中卷积神经网络常用的有卷积层和池化层，下面对常用函数的常用参数进行总结：

主要是三个函数：

import tensorflow as tf
tf.nn.conv2d()
tf.nn.max_pool()
tf.nn.avg_pool()

1.tf.nn.conv2d 一般常用的卷积层

参数：一般常用四个参数

input：输入

filter：字面意思是过滤器，其实就是卷积层过滤器，在这里输入的应该是一个四维的矩阵，[ _, _, _, _,]，前三维代表的就是一个过滤器，比如对一个三通道图像进行5x5卷积，前三维数据就应该是5*5*3的一个过滤器，第四维数字的大小代表过滤器的数量，一般过滤器利用tf.get_variable等方法可以进行初始化设置。

strides：步长。是一个四维矩阵，第一维代表数据移动的步长，只能为1，第二维代表长度移动步长，第三维代表宽度方向移动步长，第四维代表通道移动步长，也只能为1。所以strides=[1,_,_,1]

padding：填充方式。'SAME'代表卷积前后保持长宽大小不变，要保证不变，就得在原数据填充，并且采用填0填充。 'VALID'代表不填充。

2.tf.nn.max_pool()和tf.nn.avg_pool()两者类似，一个是最大池化层，一个是平均池化层。

参数：一般常用四个参数

value:当前层的输入

ksize:过滤器的尺寸。同样的第一维必须为1，第二、三维代表过滤器长宽尺寸，第四维同样必须为1.意味着池化层同样不可以跨不同样例和节点矩阵的深度。

strides：步长。意义，取值同conv2d，第一维，第四维必须为1。

padding：意义，取值同conv2d。