【TensorFlow学习笔记（三）】常用函数：卷积

叁歲伎倆 2022-01-22 06:39 201阅读 0赞

### 卷积函数 ###

##### `tf.nn.convolution` #####

用于计算N维卷积的和

tf.nn.convolution(input, 
                      filter, 
                      padding, 
                      strides=None, 
                      dilation_rate=None, 
                      name=None, 
                      data_format=None)

##### `tf.nn.conv2d` #####

对四维的输入数据input和四维卷积核filter进行操作，然后对输入数据进行一个二维的卷积操作，最后得到卷积之后的结果。

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

**参数说明：**

*  input：一个tensor。数据类型必须是float32或者float64
 *  filter：一个tensor。数据类型必须与input相同
 *  strides：一个长度是4的一维整数类型数组，每一维度对应的是input中每一位的对应移动步数
 *  padding：一个字符串，取值为SAME或VALID
 *  use\_cudnn\_on\_gpu：一个可选布尔值，默认值为True
 *  name：为op命名

##### `tf.nn.depthwise_conv2d` #####

tf.nn.depthwise_conv2d(input, 
                           filter, 
                           strides, 
                           padding, 
                           rate=None, 
                           name=None, 
                           data_format=None)

##### `tf.nn.separable_conv2d` #####

tf.nn.separable_conv2d(input, 
                           depthwise_filter, 
                           pointwise_filter, 
                           strides, 
                           padding, 
                           rate=None, 
                           name=None, 
                           data_format=None)

`tf.nn.atrous_conv2d(value, filters, rate, padding, name=None)`

`tf.nn.conv2d_transpose(value, filter, output_shape, strides, padding="SAME", data_format="NHWC", name=None)`

tf.nn.conv1d(value, 
                 filters, 
                 stride, 
                 padding, 
                 use_cudnn_on_gpu=None, 
                 data_format=None, 
                 name=None)

该层创建卷积内核,它与层输入卷积混合(实际上是交叉相关)以产生输出张量.如果use\_bias为True(并且提供了bias\_initializer),则创建一个偏置向量并将其添加到输出中.最后,如果activation不是None,它也会应用于输出.

**参数说明：**

*  value：输入的tensor
 *  filters：整数,输出空间的维数(即卷积中的滤波器数).
 *  strides：单个整数的整数或元组/列表,指定卷积的步幅.指定任何步幅(stride)值！= 1与指定任何dilation\_rate值都不相容！= 1.
 *  padding：一个"valid"或"same"(不区分大小写).
 *  use\_cudnn\_on\_gpu：是否在gpu上执行操作
 *  data\_format：一个字符串,可以是channels\_last(默认)或channels\_first；输入中维度的顺序；
 *  name：字符串,图层的名称.

tf.nn.conv3d(input, 
                 filter, 
                 strides, 
                 padding, 
                 name=None)

该层创建卷积内核,该卷积内核与层输入卷积混合(实际上是交叉相关)以产生输出张量.如果use\_bias为True(并且提供了bias\_initializer),则创建偏置向量并将其添加到输出.最后,如果activation不是None,它也会应用于输出.

**参数说明：**

*  input：输入tensor
 *  filters：整数,输出空间的维数(即卷积中的滤波器数).
 *  strides：3个整数的整数或元组/列表,指定沿深度,高度和宽度的卷积的步幅.可以是单个整数,以指定所有空间维度的相同值.指定任何步幅值！= 1与指定任何dilation\_rate值！= 1都不相容.
 *  padding：可以是一个"valid"或"same"(不区分大小写).
 *  name：字符串,图层的名称.