卷积函数
tf.nn.convolution
用于计算N维卷积的和
tf.nn.convolution(input,
filter,
padding,
strides=None,
dilation_rate=None,
name=None,
data_format=None)
tf.nn.conv2d
对四维的输入数据input和四维卷积核filter进行操作,然后对输入数据进行一个二维的卷积操作,最后得到卷积之后的结果。
tf.nn.conv2d(input,
filter,
strides,
padding,
use_cudnn_on_gpu=None,
data_format=None,
name=None)
参数说明:
- input:一个tensor。数据类型必须是float32或者float64
- filter:一个tensor。数据类型必须与input相同
- strides:一个长度是4的一维整数类型数组,每一维度对应的是input中每一位的对应移动步数
- padding:一个字符串,取值为SAME或VALID
- use_cudnn_on_gpu:一个可选布尔值,默认值为True
- name:为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)
该层创建卷积内核,它与层输入卷积混合(实际上是交叉相关)以产生输出张量.如果use_bias为True(并且提供了bias_initializer),则创建一个偏置向量并将其添加到输出中.最后,如果activation不是None,它也会应用于输出.
参数说明:
- value:输入的tensor
- filters:整数,输出空间的维数(即卷积中的滤波器数).
- strides:单个整数的整数或元组/列表,指定卷积的步幅.指定任何步幅(stride)值!= 1与指定任何dilation_rate值都不相容!= 1.
- padding:一个"valid"或"same"(不区分大小写).
- use_cudnn_on_gpu:是否在gpu上执行操作
- data_format:一个字符串,可以是channels_last(默认)或channels_first;输入中维度的顺序;
- name:字符串,图层的名称.
tf.nn.conv3d(input,
filter,
strides,
padding,
name=None)
该层创建卷积内核,该卷积内核与层输入卷积混合(实际上是交叉相关)以产生输出张量.如果use_bias为True(并且提供了bias_initializer),则创建偏置向量并将其添加到输出.最后,如果activation不是None,它也会应用于输出.
参数说明:
- input:输入tensor
- filters:整数,输出空间的维数(即卷积中的滤波器数).
- strides:3个整数的整数或元组/列表,指定沿深度,高度和宽度的卷积的步幅.可以是单个整数,以指定所有空间维度的相同值.指定任何步幅值!= 1与指定任何dilation_rate值!= 1都不相容.
- padding:可以是一个"valid"或"same"(不区分大小写).
- name:字符串,图层的名称.