1??? tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)

input：指需要做卷積的輸入圖像，[batch, in_height, in_width, in_channels]

? ? [訓(xùn)練時一個batch的圖片數(shù)量, 圖片高度, 圖片寬度, 圖像通道數(shù)]

filter：[filter_height, filter_width, in_channels, out_channels]

? ? ?[卷積核的高度，卷積核的寬度，圖像通道數(shù)，卷積核個數(shù)]

? ? ?注意:第三維in_channels，就是參數(shù)input的第四維

strides：卷積時在圖像每一維的步長，這是一個一維的向量，長度4

padding："SAME","VALID"

use_cudnn_on_gpu: bool類型，是否使用cudnn加速，默認為true

結(jié)果返回一個Tensor，即feature map，shape是[batch, height, width, channels]

?

2?? tf.nn.max_pool(value,ksize,strides,padding,name=None)

value：需要池化的輸入，一般池化層接在卷積層后面，所以輸入通常是feature map，[batch, height, width, channels]

ksize：池化窗口的大小，取一個四維向量，一般是[1, height, width, 1]，因為我們不想在batch和channels上做池化，所以這兩個維度設(shè)為了1

strides：和卷積類似，窗口在每一個維度上滑動的步長，一般也是[1, stride,stride, 1]

padding：取'VALID' 或者'SAME'

返回一個Tensor，類型不變，shape仍然是[batch, height, width, channels]這種形式

3?https://blog.csdn.net/mzpmzk/article/details/78647721

?

參考

http://blog.csdn.net/mao_xiao_feng/article/details/53453926

轉(zhuǎn)載于:https://www.cnblogs.com/weiyaqian11/p/10187651.html

總結(jié)

以上是生活随笔為你收集整理的tensorflow--卷积神经网络的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。