tf.nn.conv2d实现卷积的过程
2017-09-26 18:26
555 查看
#coding=utf-8 importtensorflowastf #case2 input=tf.Variable(tf.round(10*tf.random_normal([1,3,3,2]))) filter=tf.Variable(tf.round(5*tf.random_normal([1,1,2,1]))) op2=tf.nn.conv2d(input,filter,strides=[1,1,1,1],padding='VALID') #对于filter,多个输入通道,变成一个输入通道,是对各个通道上的卷积值进行相加 init=tf.global_variables_initializer() withtf.Session()assess: sess.run(init) print("case2") print("input:",sess.run(input)) print("filter:",sess.run(filter)) print("conv",sess.run(op2))
#case2 #input:[[[[-14.-11.] #[2.2.] #[25.18.]] # #[[8.13.] #[-7.-7.] #[11.6.]] # #[[-1.8.] #[18.10.] #[-2.19.]]]] #filter:[[[[-3.] #[2.]]]] #conv[[[[20.] #[-2.] #[-39.]] # #[[2.] #[7.] #[-21.]] # #[[19.] #[-34.] #[44.]]]]
#转换:输入为3*3的2通道数据
#通道1:
#[-14225],
#[8-711],
#[-118-2]
#通道2:
#[-11218],
#[13-76],
#[81019]
#conv转换
#[20-2-39],
#[2-7-21],
#[9-3444]
#计算过程
#[-14225],
#[8-711],*[-3]+
#[-118-2]
#[-11218],
#[13-76],*[2]
#[81019]
#result
#[20-2-39],
#[2-7-21],
#[9-3444]
相关文章推荐
- 【TensorFlow】tf.nn.conv2d如何实现卷积
- 【Tensorflow】tf.nn.atrous_conv2d如何实现空洞卷积?
- 【Tensorflow】tf.nn.depthwise_conv2d如何实现深度卷积?
- 【Tensorflow】tf.nn.separable_conv2d如何实现深度可分卷积?
- 【Tensorflow】tf.nn.atrous_conv2d如何实现空洞卷积?
- 【TensorFlow】tf.nn.conv2d实现卷积
- 【Tensorflow】tf.nn.depthwise_conv2d如何实现深度卷积?
- TensorFlow学习---tf.nn.conv2d实现卷积操作
- Tensorflow(r1.4)API--tf.nn.conv2d详解
- tf.nn.conv2d与tf.contrib.slim.conv2d
- tf.nn.conv2d 实例
- TensorFlow tf.nn.conv2d
- 卷积与解卷积详解:tf中conv2d和conv2d_transpose详解
- 对比 tf.layers.conv2d_transpose和tf.nn.conv2d_transpose区别
- tf.nn.conv2d用法简介
- tf.nn.separable_conv2d 用法
- tf.nn.conv2d()
- tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None) 除去name参数用以指定该操作的nam
- tf.nn.atrous_conv2d(value, filters, rate, padding, name=None) {#atrous_conv2d}
- tf.nn.atrous_conv2d 实例