三篇参考：

1.https://blog.csdn.net/goodshot/article/details/79655915 TF-卷积函数 tf.nn.conv2d 介绍

2.https://blog.csdn.net/goodshot/article/details/79677758 tf.nn.conv2d理解(带通道的卷积图片输出案例)

3.https://blog.csdn.net/goodshot/article/details/79653742 tf.nn.conv2d是怎样实现卷积的？

文档解释

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

给定一个input的张量[batch, in_height, in_width, in_channels]和一个过滤器 / 内核张量 [filter_height, filter_width, in_channels, out_channels]后，执行以下操作：

展平filter为一个形状为[filter_height * filter_width * in_channels, output_channels]的二维矩阵。
从input中按照filter大小提取图片子集形成一个大小为[batch, out_height, out_width, filter_height * filter_width * in_channels]的虚拟张量。
循环每个图片子集，右乘filter矩阵。

举例
输入是[1,3,3,1]，代表1个图像，大小2x2，1个通道
filter是[2,2,1,1]，代表filter的大小是2x2，输入通道通道是1，与图片通道相同，输入通道也是1。
步长是1，padding是VALID
这种情况下，输出是1x2x2x1，其中2=（3-2）/1+1，即(图片大小-filter大小)/步长+1。
代码

input = tf.constant([[[[1],[2],[ 3]],[[4],[5],[6 ]],[[ 7],[8],[9]]]],dtype=tf.float32)
filter = tf.constant([[[[1]],[[2]]],[[[ 3]],[[4]]]],dtype=tf.float32)op = tf.nn.conv2d（input，filter，strides = [1,1,1,1]，padding ='VALID'）
with tf.Session() as sess:sess.run(init)result = sess.run(op)print(result)结果是
[[[[ 37.][ 47.]][[ 67.][ 77.]]]]

当padding=SAME时，输入与输出形状相同，如下面代码所示，输出形状输出是1x3x3x1。

input = tf.constant([[[[1],[2],[ 3]], [[4],[5],[6 ]],[[ 7],[8],[9]]]],dtype=tf.float32)
filter = tf.constant([[[[1]],[[2]]],[[[ 3]],[[4]]]],dtype=tf.float32)op = tf.nn.conv2d（input，filter，strides = [1,1,1,1]，padding ='SAME'）
with tf.Session() as sess:sess.run(init)result = sess.run(op)print(result)结果是
[[[[ 37.][ 47.][ 21.]][[ 67.][ 77.][ 33.]][[ 23.][ 26.][  9.]]]]

填充方式如图所示：

如果是2x2的图像，过滤器是3x3，padding=SAME,填充方式如图：

对于多通道来说，输入是[1x3x3x2]是3x3图像有2个通道，过滤器是[2x2x2x1]，步长是1，padding=VALID，输出是[1x2x2x1],如图：

tf.nn.conv2d理解(带通道的卷积图片输出案例)相关推荐

【TensorFlow】tf.nn.conv2d是怎样实现卷积的？
int height_col= (height + 2 * pad_h - kernel_h) / stride_h + 1; int width_col = (width + 2 * pad_w - ...
tf.nn.conv2d()方法
tf.nn.conv2d是用来实现卷积的方法 tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=Non ...
conv2d 公式_TF-卷积函数 tf.nn.conv2d 介绍
转自 http://www.cnblogs.com/welhzh/p/6607581.html 下面是这位博主自己的翻译加上测试心得 tf.nn.conv2d是TensorFlow里面实现卷积的函数, ...
TF-卷积函数 tf.nn.conv2d 介绍
tf.nn.conv2d是TensorFlow里面实现卷积的函数,参考文档对它的介绍并不是很详细,实际上这是搭建卷积神经网络比较核心的一个方法,非常重要 tf.nn.conv2d(input, fil ...
【TensorFlow】TensorFlow函数精讲之tf.nn.conv2d()
博客之星评选,谢谢您的支持!微信.qq五连击投票(无需关注.无需登录) 人工智能博士(投票链接):http://m234140.nofollow.ax.mvote.cn/opage/4fddfa73- ...
TensorFlow基础篇（七）——tf.nn.conv2d()
tf.nn.conv2d是TensorFlow里面实现卷积的函数,是搭建卷积神经网络比较核心的一个方法. 函数格式: tf.nn.conv2d(input, filter, strides, padd ...
通俗理解tf.nn.conv2d() tf.nn.conv3d( )参数的含义 pytorhc 卷积
20210609 例如(3,3,(3,7,7))表示的是输入图像的通道数是3,输出图像的通道数是3,(3,7,7)表示过滤器每次处理3帧图像,卷积核的大小是3 x 7 x 7. https://blo ...
【TensorFlow】理解tf.nn.conv2d方法 ( 附代码详解注释 )
最近在研究学习TensorFlow,在做识别手写数字的demo时,遇到了tf.nn.conv2d这个方法,查阅了官网的API 发现讲得比较简略,还是没理解.google了一下,参考了网上一些朋友写得博 ...
TensorFlow tf.nn.conv2d是怎样实现卷积的？
[TensorFlow]tf.nn.conv2d是怎样实现卷积的? 原文:http://blog.csdn.net/mao_xiao_feng/article/details/78004522 实验环 ...

tf.nn.conv2d理解(带通道的卷积图片输出案例)

三篇参考：

tf.nn.conv2d理解(带通道的卷积图片输出案例)相关推荐

最新文章

热门文章