使用张量流实现 CNN

Question

我是卷积神经网络和 Tensorflow 的新手，我需要使用更多参数实现一个卷积层：

转化次数 第1层：过滤器=11，通道=64，步幅=4，Relu。

API如下：

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

我明白什么是步幅，在我的例子中它应该是 [1, 4, 4, 1] 。但我不明白，我应该如何传递过滤器参数和填充。有人可以帮忙吗？

Answer 1

首先，您需要创建一个过滤变量：

W = tf.Variable(tf.truncated_normal(shape = [11, 11, 3, 64], stddev = 0.1), tf.float32)

形状参数的前两个字段代表滤波器大小，第三个字段代表输入通道数（我猜你的图像有 3 个通道），第四个字段代表输出通道数。

现在卷积层的输出可以计算如下：

conv1 = tf.nn.conv2d(input, W, strides = [1, 4, 4, 1], padding = 'SAME')，其中padding = 'SAME'代表零填充，因此图像的大小保持不变，输入的大小应为 [batch, size1, size2, 3]。

ReLU 应用非常简单：

conv1 = tf.nn.relu(conv1)