?tf.nn.conv2d()?函數(shù)來計算卷積，weights?作為濾波器，[1, 2, 2, 1]?作為 strides。TensorFlow 對每一個?input?維度使用一個單獨的 stride 參數(shù)，[batch, input_height, input_width, input_channels]。我們通常把?batch?和?input_channels?（strides?序列中的第一個第四個）的 stride 設(shè)為?1。

tf.nn.max_pool()?函數(shù)實現(xiàn)最大池化時，?ksize參數(shù)是濾波器大小，strides參數(shù)是步長。2x2 的濾波器配合 2x2 的步長是常用設(shè)定。

ksize?和?strides?參數(shù)也被構(gòu)建為四個元素的列表，每個元素對應(yīng) input tensor 的一個維度 ([batch, height, width, channels])，對?ksize?和?strides?來說，batch 和 channel 通常都設(shè)置成?1。

池化層并不是很受青睞。部分原因是：

• 現(xiàn)在的數(shù)據(jù)集又大又復雜，我們更關(guān)心欠擬合問題。
• Dropout 是一個更好的正則化方法。
• 池化導致信息損失。想想最大池化的例子，n?個數(shù)字中我們只保留最大的，把余下的?n-1?完全舍棄了。

總結(jié)

以上是生活随笔為你收集整理的tensorflow详解-tf.nn.conv2d()，tf.nn.max_pool()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。