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
除去name参数用以指定该操作的name，与方法有关的一共五个参数
[filter_height, filter_width, in_channels, out_channels]，具体含义是
/code>
]，要求类型与参数input相同，有一个地方需要注意，第三维，就是参数input的第四维）去做卷积，最后会得到一张3×3的feature map
）去做卷积，仍然是一张3×3
3.把卷积核扩大，现在用3×3的卷积核做卷积，最后的输出是一个值，相当于情况2的feature map所有像素点的值求和
4.使用更大的图片将情况2的图片扩大到5×5，仍然是3×3的卷积核，令步长为1，输出3×3的feature map
注意我们可以把这种情况看成情况2和情况3的中间状态，卷积核以步长1滑动遍历全图，以下x表示的位置，表示卷积核停留的位置，每停留一个，输出feature map的一个像素
.....
5.上面我们一直令参数padding的值为‘VALID’，当其为‘SAME’时，表示卷积核可以停留在图像边缘，如下，输出5×5的feature map
6.如果卷积核有多个
此时输出7张5×5的feature map
此时，输出7张3×3的feature map
x.x.x
8.如果batch值不为1，同时输入10张图
每张图，都有7张3×3的feature map，输出的shape就是[10，3，3，7]
到此这篇conv2d函数（conv2d()）的文章就介绍到这了,更多相关内容请继续浏览下面的相关 推荐文章，希望大家都能在编程的领域有一番成就！版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/haskellbc/64083.html