tensorflow 常用方法及參數(shù)解釋

tf.nn.conv2d:

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

input:輸入圖像,[圖片數(shù)量, 圖片高度, 圖片寬度, 圖像通道數(shù)],一個(gè)4維的tensor

filter:卷積核大小衔掸,[卷積核的高度宙帝,卷積核的寬度械巡,圖像通道數(shù)俱萍,卷積核個(gè)數(shù)]库菲,通道數(shù)應(yīng)該與input的通道數(shù)相同

strides:在計(jì)算卷積時(shí)在圖像每一維的步長琐鲁,常用strides = [1, stride, stride, 1].

padding:"SAME" or "VALID"

來源:https://stackoverflow.com/questions/37674306/what-is-the-difference-between-same-and-valid-padding-in-tf-nn-max-pool-of-t

For theSAMEpadding, the output height and width are computed as:

? ? out_height = ceil(float(in_height) / float(strides[1]))

? ? out_width = ceil(float(in_width) / float(strides[2]))

For theVALIDpadding, the output height and width are computed as:

? ? out_height = ceil(float(in_height - filter_height + 1) / float(strides[1]))

? ? out_width = ceil(float(in_width - filter_width + 1) / float(strides[2]))

use_cudnn_on_gpu:默認(rèn)True


tf.placeholder和tf.Variable

tf.placeholder:主要用于存儲(chǔ)訓(xùn)練樣本,可在訓(xùn)練的過程中賦值

tf.Variable:需提供初始值惭每,一些訓(xùn)練變量(trainable variables)骨饿,比如模型的權(quán)重(weights,W)或者偏執(zhí)值(bias)台腥;


tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

生成的值服從具有指定平均值和標(biāo)準(zhǔn)偏差的正態(tài)分布宏赘,如果生成的值大于平均值2個(gè)標(biāo)準(zhǔn)偏差的值則丟棄重新選擇。

參數(shù):

shape: 一維的張量黎侈,也是輸出的張量察署。

mean: 正態(tài)分布的均值。

stddev: 正態(tài)分布的標(biāo)準(zhǔn)差峻汉。

dtype: 輸出的類型贴汪。

seed: 一個(gè)整數(shù),當(dāng)設(shè)置之后休吠,每次生成的隨機(jī)數(shù)都一樣扳埂。

name: 操作的名字。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末瘤礁,一起剝皮案震驚了整個(gè)濱河市阳懂,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖希太,帶你破解...
    沈念sama閱讀 211,042評(píng)論 6 490
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件克饶,死亡現(xiàn)場離奇詭異酝蜒,居然都是意外死亡誊辉,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 89,996評(píng)論 2 384
  • 文/潘曉璐 我一進(jìn)店門亡脑,熙熙樓的掌柜王于貴愁眉苦臉地迎上來堕澄,“玉大人,你說我怎么就攤上這事霉咨⊥茏希” “怎么了?”我有些...
    開封第一講書人閱讀 156,674評(píng)論 0 345
  • 文/不壞的土叔 我叫張陵途戒,是天一觀的道長坑傅。 經(jīng)常有香客問我,道長喷斋,這世上最難降的妖魔是什么唁毒? 我笑而不...
    開封第一講書人閱讀 56,340評(píng)論 1 283
  • 正文 為了忘掉前任,我火速辦了婚禮星爪,結(jié)果婚禮上浆西,老公的妹妹穿的比我還像新娘。我一直安慰自己顽腾,他們只是感情好近零,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,404評(píng)論 5 384
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著抄肖,像睡著了一般久信。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上漓摩,一...
    開封第一講書人閱讀 49,749評(píng)論 1 289
  • 那天裙士,我揣著相機(jī)與錄音,去河邊找鬼幌甘。 笑死潮售,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的锅风。 我是一名探鬼主播酥诽,決...
    沈念sama閱讀 38,902評(píng)論 3 405
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢(mèng)啊……” “哼皱埠!你這毒婦竟也來了肮帐?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,662評(píng)論 0 266
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎训枢,沒想到半個(gè)月后托修,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,110評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡恒界,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,451評(píng)論 2 325
  • 正文 我和宋清朗相戀三年睦刃,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片十酣。...
    茶點(diǎn)故事閱讀 38,577評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡涩拙,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出耸采,到底是詐尸還是另有隱情兴泥,我是刑警寧澤,帶...
    沈念sama閱讀 34,258評(píng)論 4 328
  • 正文 年R本政府宣布虾宇,位于F島的核電站搓彻,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏嘱朽。R本人自食惡果不足惜旭贬,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,848評(píng)論 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望燥翅。 院中可真熱鬧骑篙,春花似錦、人聲如沸森书。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,726評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽凛膏。三九已至杨名,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間猖毫,已是汗流浹背台谍。 一陣腳步聲響...
    開封第一講書人閱讀 31,952評(píng)論 1 264
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留吁断,地道東北人趁蕊。 一個(gè)月前我還...
    沈念sama閱讀 46,271評(píng)論 2 360
  • 正文 我出身青樓,卻偏偏與公主長得像仔役,于是被迫代替她去往敵國和親掷伙。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,452評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容

  • CNN on TensorFlow 本文大部分內(nèi)容均參考于: An Intuitive Explanation o...
    _Randolph_閱讀 7,686評(píng)論 2 31
  • 1. tf函數(shù) tensorflow 封裝的工具類函數(shù) | 操作組 | 操作 ||:-------------| ...
    南墻已破閱讀 5,088評(píng)論 0 5
  • 曾經(jīng)我無數(shù)次想象未來的模樣 可是歲月將山河串成經(jīng)緯 編織了一個(gè)又一個(gè)五彩的夢(mèng) 我卻在夢(mèng)中一次次醒來 夜空還是夜空 ...
    2016冰山來客閱讀 168評(píng)論 2 4
  • 愿有人與你共黃昏又兵,有人問你粥可溫任柜, 有人入你玲瓏心卒废,有人陪你渡紅塵, 愿有人待你如初宙地,有人疼你入骨摔认。 愿有歲月可回...
    云遮月的云中窩閱讀 5,832評(píng)論 0 1
  • 一件古樸的銀飾品,一個(gè)做工精良的銀飾宅粥,在五光十色的飾品世界里参袱,它猶如黑白的老電影,是懷舊的老曲盤粹胯,反而時(shí)尚無物能敵...
    簡單lsw閱讀 298評(píng)論 0 0