tf.nn.conv2d初探

理解tf.nn.conv2d：深度解析参数与多通道卷积

最新推荐文章于 2022-02-11 09:37:31 发布

原创

最新推荐文章于 2022-02-11 09:37:31 发布 · 205 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #卷积 #人工智能 #python

本文通过实例探讨了在TensorFlow中使用tf.nn.conv2d进行卷积操作，详细解释了参数含义，包括输入数据、卷积核、步长和填充方式。同时，阐述了多通道卷积的工作原理，并提到了在处理plt.imshow()时的数据转换注意事项。

tf.nn.conv2d初探

一、前因
二、代码
三、总结

一、前因

打算自己写代码，实现cifar10数据的cnn，在码代码的过程中，发现对tf.nn.conv2d等函数的处理结果不甚了解，也不清楚多通道时数据的计算方法，故做了以下测试

二、代码

环境：python3.6、tensorflow1.14

import pickle
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

#读取Cifar10的函数
def loadCifar10(path):
    with open(path,'rb') as fo:
        dict=pickle.load(fo,encoding='bytes')
    return dict


dict=loadCifar10('.\cifar-10-batches-py\data_batch_1')

data=dict[b'data']
labels=np.reshape(np.array(dict[b'labels']),[10000,1])

data0=data[0]  #读第0张图

input_data=tf