深度可分离卷积 tensorflow,用tensorflow实现卷积神经网络

　　本文主要为您介绍python深度学习tensorflow卷积层实例教程。有需要的朋友可以借鉴一下，希望能有所帮助。祝大家进步很大，早日升职加薪。

　　00-1010旧版本(1.0以下)的I卷积函数：tf.nn.conv2d参数：1.0版本中的II卷积函数：tf.layers.conv2d定义参数：例子稍微复杂一点。

一、旧版本（1.0以下）的卷积函数：tf.nn.conv2d

　　输入：一个四维张量(N，H，W，C)。该类型必须是以下类型之一3360Half、Float32、Float64。

　　Filter:卷积核。类型和输入必须相同，

　　4维张量，[filter _ height，filter _ width，in _ channels，out _ channels]，如[5，5，3，32]

　　Strides:当对输入进行切片和采样时，每个方向上的滑动窗口步长必须与格式中指定的维数相同，例如[1，2，2，1]

　　Padding:指定：的边缘填充类型“相同”、“有效”。相同表示卷积后的图像保持不变，但有效性将会降低。

　　Use _ cudnn _ on _ gpu3360可选，bool类型。指示是否使用cudnn在GPU上加速。默认值为True。

　　Data_format:可选，指定输入数据的格式为：“NHWC”或“NCHW”，默认为“NHWC”。

　　NHWC格式是指[批处理，输入高度，输入宽度，输入通道] NCHW格式是指[批处理，输入通道，输入高度，输入宽度]

　　Name:操作名称，可选。

　　例子

　　conv1=tf.nn.conv2d(x，W，跨距=[1，1，1，1]，填充=相同)

　　conv2d(

　　输入，

　　过滤器，

　　内核大小，

　　步幅=(1，1)，

　　填充=有效，

　　data_format=channels_last ，

　　膨胀率=(1，1)，

　　激活=无，

　　use_bias=True，

　　kernel _ initializer=无

　　bias _ initializer=TF . zeros _ initializer()，

　　kernel _ regularizer=无，

　　bias _ regularizer=无，

　　activity _ regularizer=。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。