convolution

最新推荐文章于 2023-07-11 10:49:32 发布

原创最新推荐文章于 2023-07-11 10:49:32 发布 · 389 阅读

0 ·

CC 4.0 BY-SA版权

tensorflow 专栏收录该内容

1 篇文章

订阅专栏

本文通过使用TensorFlow实现了一个简单的卷积神经网络，并探讨了不同步长(strides)及填充(padding)设置对于输出张量形状的影响。实验中，作者尝试了多种组合，包括(1,1),(2,2),(3,3)和(4,4)的步长，并结合两种不同的填充类型，以此来观察这些变化如何影响最终的输出。

tensor shape depend on both strides and padding type
try strides in (1 1), (2 2), (3 3) and (4 4) combine with twice padding type

import os
import numpy as np
import tensorflow as tf

os.environ["CUDA_VISIBLE_DEVICES"] = "3"

n = tf.convert_to_tensor(np.array(range(16)), np.float32)
i = tf.reshape(n, [-1, 4, 4, 1])
conv = tf.layers.conv2d(inputs=i, filters=32, kernel_size=[1, 1], strides=(3, 3), padding="same", activation=tf.nn.relu)
print(conv)