con v1=TF.nn.conv 2d (input _ tensor,conv1_weights,strides=[ 1,1,1,1 ],padding='SAME ' ) ) ) )。
这是一般的卷积操作,strides=【1,1,1,1】表示滑动步数为1,padding=‘same’表示0填补操作
将步长设置为2时,许多学生可能不理解strides=【1,2,2,1】。 这4个参数分别表示什么,即使查了公式函数的说明也不知道,今天说明。
strides在公式的定义中是一维具有4个要素的张量,其规定前后必须为1。 这个大家不要在意。 所以我们能改变的是中间的两个数,中间的两个数分别表示水平滑块和垂直滑块的步长值,所以很明白。
如果卷积核的移动逐渐扫描整体,则由于步长大小设置问题,未扫描的空间可能不足以提供给卷积核。 大小扫描例如影像大小为5*5、卷积核为2*2、步长扫描两次后还剩一个卷积核,卷积核扫描就不够了。 此时,后面补零,补零后满足卷积核扫描的方式为same。 如果舍弃刚才扫描不足的要素的位置,就会变成valid方式。