slim.conv2d(inputs, num_outputs, kernel_size, stride=stride,
rate=rate, padding='VALID', scope=scope)
slim
:tensorflow中讓結構更加緊湊纖細的函數
num_outputs
:卷積核的個數,體現在輸出中
stride
:步幅
rate
:空洞卷積膨脹率,在卷積核的兩兩數值之間加入rate-1個0
padding
:卷積的方式,包括SAME(卷積核的中心開始接觸到圖像),VAILD(卷積核全部接觸到圖像),FULL(卷積核開始接觸到圖像)
net = slim.conv2d(inputs, num_outputs, 3, stride=1, padding='SAME')
net = subsample(net, factor=stride)
net = conv2d_same(inputs, num_outputs, 3, stride=stride)
- 據說後兩個的結果是一樣的,但是第一個的結果貌似在輸入的維度存在偶數時會有差異