关于tensorflow中卷积池化运算的相关参数

ypxpy

于 2019-07-18 10:12:17 发布

阅读量167

点赞数

文章标签： tensorflow 池化深度学习

本文链接：https://blog.youkuaiyun.com/qq_36183146/article/details/96424126

版权

import tensorflow as tf
import numpy as np

X = tf.constant([[1, 2, 3, 4], [4, 5, 6, 7], [7, 8, 9, 10], [10, 11, 12, 13]])
X = tf.reshape(X, [1, 4, 4, 1])
Y = tf.nn.max_pool(X,ksize=[1,2,2,1],strides=[1,4,4,1],padding="SAME")
with tf.Session() as sess:
    X = sess.run(X)
    print(X.shape)
    Y = sess.run(Y)
    print(Y)

value：池化的输入，shape为[batch, height, width, channels]这
ksize ：池化窗口的大小，一个四维向量[1, height, width, 1]，batch和channels不做池化设置为1
strides：窗口在每一个维度上滑动的步长，一般也是[1, stride,stride, 1]
padding：VALID容易理解；SAME和步长：经过尝试，padding设置为SAME时只在输入矩阵右边添加一列，下边添加一行。卷积层是添加一圈0