tensorflow中卷积函数tf.nn.conv2d和池化函数tf.nn.max_pool中参数的意义

最新推荐文章于 2021-08-23 16:29:45 发布

原创最新推荐文章于 2021-08-23 16:29:45 发布 · 280 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #CNN #卷积神经网络

深度学习同时被 3 个专栏收录

9 篇文章

订阅专栏

tensorflow

3 篇文章

订阅专栏

CNN

2 篇文章

订阅专栏

本文详细解析了TensorFlow中tf.nn.conv2d和tf.nn.max_pool函数的使用方法及参数含义，包括输入输出格式、卷积核、滑动步长、填充方式等关键概念。

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=True, data_format=“NHWC”, name=None):
input：输入的tensor对象(x)，会对该值进行卷积操作。默认形状为：[batch_size, height, width, channels]， batch_size表示一个批次中的样本数目，height表示一个feature map的高度，width表示一个feature map的宽度，channels表示一个图像的feature map的数量。一般简写为NHWC。当data_format的格式为NHWC的时候，使用默认的形状，如果给给data_format给定位NCHW，那么input的格式为:[batch_size, channels, height, width]
filter: 卷积核Tensor对象(w)，格式要求是一个4维的Tensor对象(一般为变量), 格式为: [height, width, in_channels, out_channels]，height和width表示窗口的高度宽度，in_channels就是输入对象的通道数目，out_channels给定当前卷积之后的通道数目，也就是我们理论中所说的卷积核的数目。
strides: 给定卷积窗口的滑动步长，格式和data_format有关，是一个数组。格式: [batch, in_height, in_width, in_channels]或者[batch, in_channels, in_height, in_width], 其中batch和in_channels必须为1，in_height和in_width分别给定在高度和宽度上的滑动窗口大小。
padding：是否进行数据的填充操作，可选值：SAME表示进行最小填充，VALID表示不进行填充，直接删除多余的像素值。TensorFlow中有一个特征的值，当步长为1，padding为SAME的时候，卷积是不改变的feature map大小的。
data_format：给定数据格式是NHWC还是NCHW，默认是NHWC。
use_cudnn_on_gpu=True：是否进行cudnn加速，默认为True。

tf.nn.max_pool(value, ksize, strides, padding, data_format=“NHWC”, name=None):
value: 给定需要进行池化的tensor对象，默认形状为：[batch_size, height, width, channels]， batch_size表示一个批次中的样本数目，height表示一个feature map的高度，width表示一个feature map的宽度，channels表示一个图像的feature map的数量。一般简写为NHWC。当data_format的格式为NHWC的时候，使用默认的形状，如果给给data_format给定位NCHW，那么input的格式为:[batch_size, channels, height, width]
ksize: 包含四个整数的数组, 形状为: data_format为NHWC[batch, in_height, in_width, in_channels]或者data_format值为NCHW[batch, in_channels, in_height, in_width]; 要求batch和in_channels必须为1，in_height和in_width指定的就是池化窗口的高度和宽度
strides: 给定卷积窗口的滑动步长，格式和data_format有关，是一个数组。格式: [batch, in_height, in_width, in_channels]或者[batch, in_channels, in_height, in_width], 其中batch和in_channels必须为1，in_height和in_width分别给定在高度和宽度上的滑动窗口大小。
padding：是否进行数据的填充操作，可选值：SAME表示进行最小填充，VALID表示不进行填充，直接删除多余的像素值。TensorFlow中有一个特征的值，当步长为1，padding为SAME的时候，池化是不改变的feature map大小的。
data_format：给定数据格式是NHWC还是NCHW，默认是NHWC。

两个函数参数上主要的不同就是卷积的filter和池化的ksize的取值有所差别，前者格式为：[height, width, in_channels, out_channels]，相当于输入通道和输出通道转换的一个桥梁；而后者的格式和输入数据value以及滑动步长stride是一致的，只不过ksize中的batch和in_channels均为1(和strides一样).