1. 卷积函数tf.nn.conv2d
  2. 1. tf.nn.conv2d
  3. 2. 参数
  4. 3. 边界填充padding
  5. 4. 数据格式data_format

卷积函数tf.nn.conv2d

1. tf.nn.conv2d

在TensorFlow 的程序中加入卷积层是非常容易的。最常用的方法是 tf.nn.conv2d方法,用于在计算图中加入2D 卷积算子。简单的用法如下:

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

2. 参数

除去name参数用以指定该操作的name,与方法有关的一共五个参数:

  • 第一个参数input:需要做卷积的输入图像,它要求是一个Tensor,具有[batch, in_height, in_width, in_channels] 这样的shape,具体含义是 [训练时一个batch的图片数量, 图片高度, 图片宽度, 图像通道数],注意这是一个4维的Tensor,要求类型为float32和float64其中之一

  • 第二个参数filter:卷积核大小,它要求是一个Tensor,具有[filter_height, filter_width, in_channels, out_channels]这样的shape,具体含义是[卷积核的高度,卷积核的宽度,图像通道数,卷积核个数],要求类型与参数input相同,filter的通道数要求与input的in_channels一致,有一个地方需要注意,第三维in_channels,就是参数input的第四维

  • 第三个参数strides:表示步长,卷积时在图像每一维的步长,这是一个一维的向量,长度4,strides[0]=strides[3]=1

  • 第四个参数padding:表示边界的处理方式,string类型的量,只能是”SAME”,”VALID”其中之一,这个值决定了不同的卷积方式. 有效填充,边缘填充

  • 第五个参数:use_cudnn_on_gpu:bool类型,是否使用cudnn加速,默认为true

  • data_format: string类型的量 “NHWC”, “NCHW”, 默认为”NHWC”。指定输入输出数据格式,默认格式为”NHWC”, 数据按这样的顺序存储: [batch, in_height, in_width, in_channels],也可以用这种方式:”NCHW”, 数据按这样的顺序存储: [batch, in_channels, in_height, in_width]

  • 结果返回一个Tensor,这个输出,就是我们常说的feature map,type与input相同

3. 边界填充padding

当卷积核与图像重叠时,它应当落在图像的边界内。有时,两者尺寸可能不匹配,一种较好的补救策略是对图像缺失的区域进行填充,即边界填充。

TensorFlow会用0进行边界填充,或当卷积核与图像尺寸不匹配,但又不允许卷积核跨越图像边界时,会引发一个错误。
tf.nn.conv2d的零填充数量或错误状态是由参数padding控制的,它的取值可以是SAME或VALID。

  • ·SAME:卷积输出与输入的尺寸相同。这里在计算如何跨越图像时,并不考虑滤波器的尺寸。选用该设置时,缺失的像素将用0填充,卷积核扫过的像素数将超过图像的实际像素数

  • ·VALID:在计算卷积核如何在图像上跨越时,需要考虑滤波器的尺寸。这会使卷积核尽量不越过图像的边界。在某些情形下,可能边界也会被填充。

在计算卷积时,最好能够考虑图像的尺寸,如果边界填充是必要的,则TensorFlow会有一些内置选项。在大多数比较简单的情形下,SAME都是一个不错的选择。当指定跨度参数后,如果输入和卷积核能够很好地工作,则推荐使用VALID。关于这两个参数的更多介绍,请参考

https://www.tensorflow.org/api_guides/python/nn#convolution

4. 数据格式data_format

tf.nn.conv2d文档详细解释了如何修改data_format(数据格式),以使input、kernel和strides遵循某种与到目前为止所使用的格式不同的格式。

如果有某个输入张量未遵循[batch_size,height,width,channel]标准,则修改该格式便非常有用。除了修改输入的格式,使之与标准匹配外,也可修改data_format参数以使用一种不同的布局。

data_format:该参数可取为“NHWC”或“NCHW”,默认值为“NHWC”,用于指定输入和输出数据的格式。

  • 当取默认格式“NHWC”时,数据的存储顺序为[batch,in_height,in_width,in_channels]。
  • 若该参数取为“NCHW”,数据存储顺序为[batch,in_channels,in_height,in_width]。

数据格式定义:

  • N 批数据中的张量数目.即batch_size
  • H 每个批数据中张量的高度
  • W 每个批数据中张量的宽度
  • C 每个批数据中张量的通道数

技术交流学习,请加QQ微信:631531977
目录