TensorFlow进阶--实现多层Layer

最新推荐文章于 2025-03-20 09:23:41 发布

东泰山

最新推荐文章于 2025-03-20 09:23:41 发布

阅读量1k

点赞数

分类专栏：机器学习 Tensorflow 文章标签： TensorFlow进阶实现多层Layer

本文链接：https://blog.youkuaiyun.com/u010936286/article/details/80709098

版权

本文介绍如何在TensorFlow中实现多层Layer，从创建计算图会话开始，通过numpy生成2D图像并转换为4维数据，然后设置占位符和卷积操作。使用conv2d创建过滤窗口，自定义层进行线性变换，并运用tf.name_scope进行命名。最终通过会话运行计算图并利用TensorBoard进行可视化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

TensorFlow单层Layer示例请参考我的博客--Tensorboard计算图问题汇总

下面我们尝试构建多层Layer

首先引入tensorflow库并创建计算图会话

import tensorflow as tf
import numpy as np

sess = tf.Session()

接下来，通过numpy创建2D图像，并将其数据改变为4维，分别是:图片数量、高度、宽度、颜色通道

创建占位符

x_shape = [1,4,4,1]
x_val = np.random.uniform(size=x_shape)

x_data = tf.placeholder(tf.float32,shape=x_shape)

为了创建过滤4*4像素图片的华东窗口，我们采用conv2d卷积2×2形状的常量窗口，其中conv2d需要传入滑动窗口、过滤器和步长。这里，我们选用各个方向步长为2，过滤器（滤波器）采用均值滤波器（平均值），padding为是否进行扩展，这里选用‘SAME’

#第一层
my_filter = tf.constant(0.25,shape=[2,2,1,1])

my_strides = [1,2,2,1]

mov_avg_layer = tf.nn.conv2d(x_data,my_filter,my_strides,padding='SAME',name=&