在卷积层中使用自定义过滤器进行张量流

Question

我一直在从各种教程中学习Tensorflow，并且想知道是否可以为卷积网定义自定义过滤器。例如，如果我知道要素中有有意义的结构，使得其他所有要素都相关，那么我想定义一个看起来像[0 1 0 1 0 1]的过滤器。

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

到目前为止，我看到的所有示例都使用：

tf.random_normal

要么

tf.truncated_normal

用于过滤器参数。我可以，并且将[0 1 0 1]放入filter参数是否对我有意义？

Answer 1

你当然可以！您可以将任何您喜欢的（浮点）值放入卷积滤波器中。

然而，通常卷积滤波器中的值是Tensorflow 在训练期间学习的变量，而不是常量。“tf.random_normal”和“tf.truncated_normal”值仅用于设置滤波器的初始值。这些变量的值将在训练期间通过梯度下降算法进行更新。

有关使用卷积神经网络进行训练的示例，请查看此处的教程： https: //www.tensorflow.org/versions/r0.9/tutorials/deep_cnn/index.html

希望有帮助！