tensorflow之conv2d

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None）

第一個參數input：指須要作卷積的輸入圖像，它要求是一個Tensor，具備[batch, in_height, in_width, in_channels]這樣的shape，具體含義是[訓練時一個batch的圖片數量, 圖片高度, 圖片寬度, 圖像通道數]，注意這是一個4維的Tensor，要求類型爲float32和float64其中之一，其中圖像通道數：好比rgb24圖像，通道數爲3

第二個參數filter：至關於CNN中的卷積核，它要求是一個Tensor，具備[filter_height, filter_width, in_channels, out_channels]這樣的shape，具體含義是[卷積核的高度，卷積核的寬度，圖像通道數，卷積核個數]，要求類型與參數input相同，有一個地方須要注意，第三維in_channels，就是參數input的第四維

第三個參數strides：卷積時在圖像每一維的步長，這是一個一維的向量，長度4

第四個參數padding：string類型的量，只能是"SAME","VALID"其中之一，這個值決定了不一樣的卷積方式（後面會介紹）

第五個參數：use_cudnn_on_gpu:bool類型，是否使用cudnn加速，默認爲true

結果返回一個Tensor，這個輸出，就是咱們常說的feature map，shape仍然是[batch, height, width, channels]這種形式。
---------------------
舉個例子：

input = tf.Variable(tf.random_normal([1,10,10,5])) 
filter = tf.Variable(tf.random_normal([3,3,5,1]))

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

輸出：

 strides參數由於只有兩維，一般strides取[1，stride，stride，1]

修改成2試一下效果

input = tf.Variable(tf.random_normal([1,10,10,5])) 
filter = tf.Variable(tf.random_normal([3,3,5,1]))

op = tf.nn.conv2d(input,filter,strides=[1,2,1,1],padding ='VALID')
print(op)

輸出：

*****************************上一個完整的卷積池化的例子**********************

import tensorflow as tf
import os
import numpy as np
import sys
import io
import cv2 as cv

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
input = tf.Variable(tf.random_normal([1,28,28,1])) 
filter = tf.Variable(tf.random_normal([5,5,1,32]))
filter2 = tf.Variable(tf.random_normal([5,5,32,64]))
op = tf.nn.conv2d(input,filter,strides=[1,1,1,1],padding ='SAME')
print(op)
op = tf.nn.max_pool(op,ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1],padding ='SAME')
print(op)
op = tf.nn.conv2d(op,filter2,strides=[1,1,1,1],padding ='SAME')
print(op)
op = tf.nn.max_pool(op,ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1],padding ='SAME')
print(op)

 輸出以下：