TensorFlow 卷積層

讓我們看下如何在 TensorFlow 裏面實現 CNN。

TensorFlow 提供了 tf.nn.conv2d() 和 tf.nn.bias_add() 函數來創建你自己的卷積層。

 1 # Output depth
 2 k_output = 64
 3 
 4 # Image Properties
 5 image_width = 10
 6 image_height = 10
 7 color_channels = 3
 8 
 9 # Convolution filter
10 filter_size_width = 5
11
 
 filter_size_height = 5
12 
13 # Input/Image
14 input = tf.placeholder(
15     tf.float32,
16     shape=[None, image_height, image_width, color_channels])
17 
18 # Weight and bias
19 weight = tf.Variable(tf.truncated_normal(
20     [filter_size_height, filter_size_width, color_channels, k_output]))
21
 
 bias = tf.Variable(tf.zeros(k_output))
22 
23 # Apply Convolution
24 conv_layer = tf.nn.conv2d(input, weight, strides=[1, 2, 2, 1], padding=‘SAME‘)
25 # Add bias
26 conv_layer = tf.nn.bias_add(conv_layer, bias)
27 # Apply activation function
28 conv_layer = tf.nn.relu(conv_layer)

上述代碼用了 tf.nn.conv2d()

你可以專註於修改 input_height 和 input_width， batch 和 input_channels 都設置成 1。input_height 和 input_width strides 表示濾波器在input 上移動的步長。上述例子中，在 input 之後，設置了一個 5x5 ，stride 為 2 的濾波器。

tf.nn.bias_add() 函數對矩陣的最後一維加了偏置項。

TensorFlow 卷積層