卷積函數
tf.nn.convolution
用於計算N維卷積的和
tf.nn.convolution(input,
filter,
padding,
strides=None,
dilation_rate=None,
name=None,
data_format=None)
tf.nn.conv2d
對四維的輸入數據input和四維卷積核filter進行操作,然後對輸入數據進行一個二維的卷積操作,最後得到卷積之後的結果。
tf.nn.conv2d(input,
filter,
strides,
padding,
use_cudnn_on_gpu=None,
data_format=None,
name=None)
參數說明:
- input:一個tensor。數據類型必須是float32或者float64
- filter:一個tensor。數據類型必須與input相同
- strides:一個長度是4的一維整數類型數組,每一維度對應的是input中每一位的對應移動步數
- padding:一個字符串,取值爲SAME或VALID
- use_cudnn_on_gpu:一個可選布爾值,默認值爲True
- name:爲op命名
tf.nn.depthwise_conv2d
tf.nn.depthwise_conv2d(input,
filter,
strides,
padding,
rate=None,
name=None,
data_format=None)
tf.nn.separable_conv2d
tf.nn.separable_conv2d(input,
depthwise_filter,
pointwise_filter,
strides,
padding,
rate=None,
name=None,
data_format=None)
tf.nn.atrous_conv2d(value, filters, rate, padding, name=None)
tf.nn.conv2d_transpose(value, filter, output_shape, strides, padding="SAME", data_format="NHWC", name=None)
tf.nn.conv1d(value,
filters,
stride,
padding,
use_cudnn_on_gpu=None,
data_format=None,
name=None)
該層創建卷積內核,它與層輸入卷積混合(實際上是交叉相關)以產生輸出張量.如果use_bias爲True(並且提供了bias_initializer),則創建一個偏置向量並將其添加到輸出中.最後,如果activation不是None,它也會應用於輸出.
參數說明:
- value:輸入的tensor
- filters:整數,輸出空間的維數(即卷積中的濾波器數).
- strides:單個整數的整數或元組/列表,指定卷積的步幅.指定任何步幅(stride)值!= 1與指定任何dilation_rate值都不相容!= 1.
- padding:一個"valid"或"same"(不區分大小寫).
- use_cudnn_on_gpu:是否在gpu上執行操作
- data_format:一個字符串,可以是channels_last(默認)或channels_first;輸入中維度的順序;
- name:字符串,圖層的名稱.
tf.nn.conv3d(input,
filter,
strides,
padding,
name=None)
該層創建卷積內核,該卷積內核與層輸入卷積混合(實際上是交叉相關)以產生輸出張量.如果use_bias爲True(並且提供了bias_initializer),則創建偏置向量並將其添加到輸出.最後,如果activation不是None,它也會應用於輸出.
參數說明:
- input:輸入tensor
- filters:整數,輸出空間的維數(即卷積中的濾波器數).
- strides:3個整數的整數或元組/列表,指定沿深度,高度和寬度的卷積的步幅.可以是單個整數,以指定所有空間維度的相同值.指定任何步幅值!= 1與指定任何dilation_rate值!= 1都不相容.
- padding:可以是一個"valid"或"same"(不區分大小寫).
- name:字符串,圖層的名稱.