TensorFlow:简单的卷积层、池化层(采样层)示例
2017-09-13 19:20
225 查看
卷积层:
tf.constant_initializer:常量初始化函数
tf.random_normal_initializer:正态分布
tf.truncated_normal_initializer:截取的正态分布
tf.random_uniform_initializer:均匀分布
tf.zeros_initializer:全部是0
tf.ones_initializer:全是1
tf.uniform_unit_scaling_initializer:满足均匀分布,但不影响输出数量级的随机值
tf.nn.conv2d函数有四个参数,第一维为输入图像,第二维为卷积层权值,第三维为不同维度的步长(在CNN中,第一维、第四维固定为1),第四维填充方式(SAME表示全0填充,VALID为不填充)。
层的深度:例如一个输入图像是28*28*3,其中3代表深度,即为(R,G,B)
卷积核的深度:我的理解就是卷积核的个数(不知道对不对)
当然,我们有更简单的方法实现一个卷积层,代码如下:
池化层(采样层):
ws=tf.get_variable('w',[5,5,3,16],initializer=tf.truncated_normal_initializer(stddev=0.1)) bs=tf.get_variable('b',[16],initializer=tf.constant_initializer(0.1)) conv=tf.nn.conv2d(input,ws,strides=[1,1,1,1],padding='SAME') b=tf.nn.bias_add(conv,bs) now_conv=tfnn.relu(b)tf.get_variable函数有四个参数,第一维为名字,第二维为变量维度(前两维为卷积核尺寸,第三维为层的深度,第四维为卷积核深度),第三维是变量的初始化方法,主要有以下几种:
tf.constant_initializer:常量初始化函数
tf.random_normal_initializer:正态分布
tf.truncated_normal_initializer:截取的正态分布
tf.random_uniform_initializer:均匀分布
tf.zeros_initializer:全部是0
tf.ones_initializer:全是1
tf.uniform_unit_scaling_initializer:满足均匀分布,但不影响输出数量级的随机值
tf.nn.conv2d函数有四个参数,第一维为输入图像,第二维为卷积层权值,第三维为不同维度的步长(在CNN中,第一维、第四维固定为1),第四维填充方式(SAME表示全0填充,VALID为不填充)。
层的深度:例如一个输入图像是28*28*3,其中3代表深度,即为(R,G,B)
卷积核的深度:我的理解就是卷积核的个数(不知道对不对)
当然,我们有更简单的方法实现一个卷积层,代码如下:
now_conv=slim.conv2d(input,16,[3,3])slim.conv2d函数有三个必填参数,第一维为输入图像,第二维为卷积核的深度,第三维为卷积核的尺寸。
池化层(采样层):
p=tf.nn.max_pool(now_conv,ksize=[1,3,3,1],strides=[1,2,2,1],padding='SAME']TensorFlow提供两种池化函数,分别是max_pool和avg_pool,前者为最大值池化,后者为均值池化。
相关文章推荐
- TensorFlow在Win10上的安装教程和简单示例
- TensorFlow深度学习新手教程:TensorFlow实现简单的卷积网络
- 深度学习框架TensorFlow学习与应用(一)——基本概念与简单示例
- 利用tensorflow实现神经网络卷积层、池化层、全连接层
- Tensorflow实战学习(十四)【卷积层、激活函数、池化层、归一化层、高级层】
- tensorflow学习之路——实现简单的卷积网络
- 简单Tensorflow线性拟合类及tf.get_variable()使用示例
- TensorFlow实现简单卷积网络
- TensorFlow 实现简单的卷积网络
- TensorFlow实现简单的卷积网络
- [TensorFlow学习笔记3]构建简单的卷积神经网路&one-hot编码
- Tensorflow实现简单的卷积网络
- TensorFlow实现简单的卷积网络
- 运用TensorFlow进行简单实现线性回归、梯度下降示例
- tensorflow简单实现卷积前向过程
- Tensorflow基础:卷积层和池化层
- 简单的tensorflow代码示例
- 初识Tensorflow,基本概念及简单示例
- TensorFlow入门,基本介绍,基本概念,计算图,pip安装,helloworld示例,实现简单的神经网络
- tensorflow:3)实现简单的卷积网络