python - 使用 TensorFlow 实现 CNN

Question

我是卷积神经网络和 Tensorflow 的新手，我需要实现一个带有更多参数的转换层:

转化layer1: filter=11, channel=64, stride=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器变量:

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，第三个代表输入 channel 数(我猜你的图像有 3 个 channel )，第四个代表输出 channel 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)