第一階段-入門詳細圖文講解tensorflow1.4 API-tf.nn.conv2d

conv2d(
    input,#輸入一個4維tesor[batch, in_height, in_width, in_channels]
    filter,#同樣是一個4維tensor[filter_height, filter_width, in_channels, out_channels]
    strides,#步長，一維tensor表示
    padding,#邊界填充，一般有“SAME”，“VALID”
    use_cudnn_on_gpu=True,#可選，是否使用cudnn加速
    data_format='NHWC',#可選擇，默認爲“NHWC”。 指定輸入和輸出數據的數據格式。 使用默認格式“NHWC”，數據按照 [batch, height, width, channels]的順序存儲。 或者，格式可以是“NCHW”，數據存儲順序爲：[batch，channels，height，width]。
    name=None#操作名稱
)

conv2d做二維卷積操作。

看一個例子：

# -*- coding: utf-8 -*-
"""
Created on Fri Dec 15 16:13:33 2017

@author: Administrator
"""
import numpy as np
import tensorflow as tf

#使用reshape構造一個tensor
#TypeError: Value passed to parameter 'input' has DataType int32 not in list of allowed values: float16, float32
'''
input_value = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
filter_value = np.array([1, 2, 3, 4, 5, 6, 7, 8])

'''

#定義常量，一維矩陣
input_value = tf.constant([1, 2, 3, 4, 5, 6, 7,8,9],dtype=tf.float32)  
filter_value = tf.constant([1, 0, 1, 0],dtype=tf.float32)  
input =  tf.reshape(input_value,[1,3,3,1])

filter =  tf.reshape(filter_value,[2,2,1,1])

op = tf.nn.conv2d(input,filter,strides = [1,1,1,1],padding ='SAME')

with tf.Session() as sess:
    filter=sess.run(filter)
    print(filter) 
    result = sess.run(op)
    print(result)

輸出結果：

[[[[ 1.]]

  [[ 0.]]]


 [[[ 1.]]

  [[ 0.]]]]
[[[[  5.]
   [  7.]
   [  9.]]

  [[ 11.]
   [ 13.]
   [ 15.]]

  [[  7.]
   [  8.]
   [  9.]]]]

可以放在圖片處理上理解：
input[圖片個數，圖片像素高，圖片像素寬，輸入通道A]這是tensor的shape。
filter必須和input保存一樣的shape。[卷積核的高, 卷積核的寬, 輸入通道A（和input一致）, 輸出通道]。
tf.reshape(input_value,[1,3,3,1])：表示有一張照片，大小3*3，輸入通道1
filter = tf.reshape(filter_value,[2,2,1,1])：kernel爲2*2，輸入通道1，輸出通道1。
圖形解釋一下，上面的代碼。

如果使用VALID填充。修改一行代碼。
op = tf.nn.conv2d(input,filter,strides = [1,1,1,1],padding =’VALID’)

[[[[ 1.]]

  [[ 0.]]]


 [[[ 1.]]

  [[ 0.]]]]
[[[[  5.]
   [  7.]]

  [[ 11.]
   [ 13.]]]]

平時工作比較忙，抽時間把計算過程再講一邊。