tensorflow 1.0：卷积层的书写

最新推荐文章于 2025-08-26 16:25:29 发布

原创最新推荐文章于 2025-08-26 16:25:29 发布 · 495 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow

tensorflow 专栏收录该内容

1 篇文章

订阅专栏

本文介绍了TensorFlow 1.0版本中的卷积函数`tf.layers.conv2d`，详细解释了各个参数的意义，并提供了一个简单的使用示例，包括输入数据、卷积核数量、卷积核大小、激活函数、初始化器和正则化等关键概念。

1.0版本中的卷积函数:tf.layers.conv2d：

conv2d(
inputs,
filters,
kernel_size,
strides=(1, 1),
padding='valid',
data_format='channels_last',
dilation_rate=(1, 1),
activation=None,
use_bias=True,
kernel_initializer=None,
bias_initializer=tf.zeros_initializer(),
kernel_regularizer=None,
bias_regularizer=None,
activity_regularizer=None,
trainable=True,
name=None,
reuse=None
)

参数分别表示：

inputs: 输入数据，4维tensor.
filters: 卷积核个数。
kernel_size:卷积核大小，如【5，5】。如果长宽相等，也可以直接设置为一个数，如kernel_size=5
strides: 卷积过程中的滑动步长，默认为[1,1]. 也可以直接设置为一个数，如strides=2
padding: 边缘填充，'same' 和'valid‘选其一。默认为valid
data_format: 输入数据格式，默认为channels_last ，即 (batch, height, width, channels),也可以设置为channels_first对应 (batch, channels, height, width).
dilation_rate: 微步长卷积，这个比较复杂一些，请百度.
activation: 激活函数.
use_bias: Boolean型，是否使用偏置项.
kernel_initializer: 卷积核的初始化器.
bias_initializer: 偏置项的初始化器，默认初始化为0.
kernel_regularizer: 卷积核化的正则化，可选.
bias_regularizer: 偏置项的正则化，可选.
activity_regularizer: 输出的正则化函数.
trainable: Boolean型，表明该层的参数是否参与训练。如果为真则变量加入到图集合中 GraphKeys.TRAINABLE_VARIABLES(see tf.Variable).
name: 层的名字.

reuse: Boolean型, 是否重复使用参数.

简单例子：
conv1 = tf.layers.conv2d(
    inputs=x,
    filters=32,
    kernel_size=[5, 5],
    padding="same",
    activation=tf.nn.relu,
    kernel_initializer=tf.truncated_normal_initializer(stddev=0.01),
    bias_initializer=tf.constant(0.0),
    kernel_regularizer=tf.contrib.layers.l2_regularizer(0.003))