tf.contrib.slim.conv2d ()和tf.nn.conv2d()的使用区别

本文介绍了TensorFlow中两种常见的卷积操作:tf.contrib.slim.conv2d() 和 tf.nn.conv2d() 的用法及区别。前者简化了卷积层的创建过程,后者则提供了更底层的操作方式。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在使用tensorflow时,我们常见的卷积操作是tf.contrib.slim.conv2d ()和tf.nn.conv2d(),这里简略给出用法及区别。
1.tf.contrib.slim.conv2d ()

tf.contrib.slim.conv2d (inputs,
            num_outputs,#[卷积核个数]
            kernel_size,#[高度,宽度]
            stride=1,#步长
            padding='SAME',#VALID

)

2.tf.nn.conv2d()

tf.nn.conv2d(inputs,
        filter,([卷积核的高度,卷积核的宽度,图像通道数,卷积核个数])
        strides,
        padding,
)
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值