卷积函数tf.nn.conv2d
1. tf.nn.conv2d
在TensorFlow的程序中加入卷积层非常简单。 最常用的方法是tf.nn.conv2D方法，用于向计算图中添加2d卷积运算符。 简单的使用方法如下
TF.nn.conv2d(input，filter，strides，padding，use_cudnn_on_gpu=None，data_format=None，name=None )
2 .参数
除了在name参数中指定操作的name以外，与方法相关的五个参数：
第一个参数input :需要卷积的输入图像。 要求是具有形状的Tensor，如[batch，in_height，in_width，in_channels]。 具体含义是[训练时1个batch的图像数、图像的高度
第二个参数filter :卷积核大小。 要求是Tensor，有[filter_height，filter_width，in_channels，out_channels]这样的shape，具体意思是[卷积] 第三维in_channels是参数input的第四维
第三个参数strides :表示图像中每个维的卷积步骤。 这是一维向量，长度为4，strides[0]=strides[3]=1
第四个参数填充：演示如何处理边界。 字符串类型的量只能是“SAME”或“VALID”。 此值不同，卷积方法、有效填充和边缘填充也不同
第五个参数： use_cudnn_on_gpu:bool类型，是否使用cudnn加速，默认值为true
data_format: string类型的量NHWC、NCHW，默认值为NHWC。 指定输入输出数据格式。 默认格式为“NHWC”。 数据按以下顺序存储： [batch，in_height，in_width，in_channels]。 也可以按[batch]的顺序保存数据。
结果返回Tensor。 此输出是常见的功能图。 类型与输入相同
3 .边界填充padding
卷积内核与图像重叠时，必须位于图像边界内。 在某些情况下，两者的大小不一致。 一个合适的修复方法是填充图像中缺少的区域。 也就是说，填充边界。
如果TensorFlow用0填充边界，或者卷积内核与图像大小不匹配，但不能超出图像边界，则会发生错误。
tf.nn.conv2d的零填充数或错误状态由参数填充控制，其值可以是SAME或VALID。
SAME :卷积输出与输入的大小相同。 在此，计算如何跨越图像时不考虑滤镜的大小。 如果选中此选项，则缺少的像素将由0填充，而卷积内核扫描的像素数将超过图像的实际像素数。
VALID :计算卷积内核在图像上的跨越方式时，必须考虑过滤器的大小。 这将确保卷积核尽可能不越过图像边界。 在某些情况下，边界可能会被填满。
计算卷积时，建议考虑图像的大小。 如果需要边界填充，则TensorFlow有几个内置选项。 在大多数简单的情况下，SAME是个好选择。 如果在指定跨距参数后输入和卷积内核工作正常，建议使用VALID。 有关这两个参数的详细信息，请参见
4 .数据格式data_format
tf.nn.conv2d文档详细介绍了如何更改数据格式(data_format )，使input、kernel和strides遵循与以前使用的格式不同的格式
如果勇敢输入的羊不符合[batch_size、height、width、channel]标准，更改此格式会很有用。 除了修改输入的格式以匹配标准外，还可以修改data_format参数以使用不同的布局。
data_format :此参数可以是" NHWC "或" NCHW "。 默认值为" NHWC "，用于指定输入输出数据的格式。
对于默认格式" NHWC "，数据存储顺序为[batch，in_height，in_width，in_channels]。
如果此参数为“NCHW”，则数据的存储顺序为[batch，in_channels，in_height，in_width]。
数据格式定义：
n批次数据中勇敢的羊的数量.也就是batch_size
h每批数据中勇敢的羊的高度
w每批数据中勇敢的羊的宽度
每c批勇敢的羊频道数
技术交流学习，QQ微信：请添加631531977