TensorFlow 卷积层
让我们看下如何在 TensorFlow 里面实现 CNN。
TensorFlow 提供了 tf.nn.conv2d() 和 tf.nn.bias_add() 函数来创建你自己的卷积层。
1 # Output depth 2 k_output = 64 3 4 # Image Properties 5 image_width = 10 6 image_height = 10 7 color_channels = 3 8 9 # Convolution filter 10 filter_size_width = 5 11 filter_size_height = 5 12 13 # Input/Image 14 input = tf.placeholder( 15 tf.float32, 16 shape=[None, image_height, image_width, color_channels]) 17 18 # Weight and bias 19 weight = tf.Variable(tf.truncated_normal( 20 [filter_size_height, filter_size_width, color_channels, k_output])) 21 bias = tf.Variable(tf.zeros(k_output)) 22 23 # Apply Convolution 24 conv_layer = tf.nn.conv2d(input, weight, strides=[1, 2, 2, 1], padding='SAME') 25 # Add bias 26 conv_layer = tf.nn.bias_add(conv_layer, bias) 27 # Apply activation function 28 conv_layer = tf.nn.relu(conv_layer)
上述代码用了 tf.nn.conv2d() 函数来计算卷积，weights 作为滤波器，[1, 2, 2, 1] 作为 strides。TensorFlow 对每一个 input 维度使用一个单独的 stride 参数，[batch, input_height, input_width, input_channels]。我们通常把 batch 和 input_channels （strides 序列中的第一个第四个）的 stride 设为 1。
你可以专注于修改 input_height 和 input_width， batch 和 input_channels 都设置成 1。input_height 和 input_width strides 表示滤波器在input 上移动的步长。上述例子中，在 input 之后，设置了一个 5x5 ，stride 为 2 的滤波器。
tf.nn.bias_add() 函数对矩阵的最后一维加了偏置项。