卷积函数
TensorFlow学习备忘录
tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)
Args
- input: A 4-D Tensor。 需要计算卷积的图像，其shape是[batch, height, width, channels]。Tensor shape可以由data_format设定。Type必须是
"half","float32","float64"之一。 - filter: A 4-D Tensor。 卷积核。 Type和input相同。Shape是[卷积核高度，卷积核宽度， 图像通道数， 卷积核个数]。
- strides: 1-D Tensor of length 4。步长。Shape和input相同，一般batch和channels恒定为1，即[1, height, weight, 1]
- padding: 卷积方式。可选方法有
"SAME"、"VALID"。其中，VALID方式以（1,1）作为卷积的左上角起始点。SAME则以（1,1）作为卷积的中心起始点。即，SAME方法得到的卷积矩阵要大于VALID。 - use_cudnn_on_gpu: 是否使用GPU加速。默认为True。
- data_format: 数据格式，支持的格式有
"NHWC"和"NCHW"。其中的区别主要是channels参数的位置。一般使用默认即可。 - name: 用以指定该操作的name。在TensorBoard展示中较为有用。
Returns
A Tensor。卷积操作后的特征图。