【TensorFlow】tf.nn.conv2d()卷积操作

不念不忘少年蓝@ 2024-04-18 08:04 77阅读 0赞

> ### **tf.nn.conv2d (input, filter, strides, padding, use\_cudnn\_on\_gpu=None, data\_format=None, name=None)** ###

> ### 参数： ###
> 
>  *  **input：**输入的要做卷积的图片，要求为一个张量，shape为 \[ batch, in\_height, in\_weight, in\_channel \]，其中batch为图片的数量，in\_height 为图片高度，in\_weight 为图片宽度，in\_channel 为图片的通道数，灰度图该值为1，彩色图为3。
>  *  **filter：**卷积核，要求也是一个张量，shape为 \[ filter\_height, filter\_weight, in\_channel, out\_channels \]，其中 filter\_height 为卷积核高度，filter\_weight 为卷积核宽度，in\_channel 是图像通道数 ，和 input 的 in\_channel 要保持一致，out\_channel 是卷积核数量。
>  *  **strides：**卷积时在图像每一维的步长，这是一个一维的向量，\[ 1, strides, strides, 1\]，第一位和最后一位固定必须是1
>  *  **padding：**string类型，值为“SAME” 和 “VALID”，表示的是卷积的形式，是否考虑边界。"SAME"是考虑边界，不足的时候用0去填充周围，"VALID"则不考虑
>  *  **use\_cudnn\_on\_gpu：**bool类型，是否使用cudnn加速，默认为true  
>

> ### 实例使用： ###
> 
>     # 第一层卷积层，64个卷积核，大小为5*5，3通道（RGB三种颜色通道）
>       # 1).定义权重
>     weight1 = variable_with_weight_losses(shape=[5,5,3,64], stddev=0.05, wl=0.0)
>       # 2).卷积操作
>     kernel1 = tf.nn.conv2d(image_holder, filter=weight1, strides=[1, 1, 1, 1], padding='SAME')
>       # 3).定义偏差
>     bias1 = tf.Variable(tf.constant(0.0, shape=[64]))
>       # 4).relu激活函数
>     conv1 = tf.nn.relu(tf.nn.bias_add(kernel1, bias1))
>       # 5).最大池化
>     pool1 = tf.nn.max_pool(conv1, ksize=[1, 3, 3, 1], strides=[1, 2, 2, 1], padding='SAME')
>       # 6.lrn: 局部响应归一化，可防止过拟合，原理是生物学上的‘侧抑制’，（通俗来讲就是增强强的地方，削弱弱的地方）
>       # pool1表示输入数据，4表示使用前后几层进行归一化操作，bias表示偏移量，alpha和beta表示系数
>     norm1 = tf.nn.lrn(pool1, 4, bias=1.0, alpha=0.001/9.0, beta=0.75)
> 
> ###  ###

**参考博客：**

*  [https://blog.csdn.net/zuolixiangfisher/article/details/80528989][https_blog.csdn.net_zuolixiangfisher_article_details_80528989]

[https_blog.csdn.net_zuolixiangfisher_article_details_80528989]: https://blog.csdn.net/zuolixiangfisher/article/details/80528989