CNN神经网络之卷积操作

在看这两个函数之前,我们需要先了解一维卷积(conv1d)二维卷积(conv2d),二维卷积是将一个特征图在width和height两个方向进行滑动窗口操作,对应位置进行相乘求和;而一维卷积则只是在width或者height方向上进行滑动窗口并相乘求和。

一维卷积:tf.layers.conv1d()

tf.layers.conv1d(
    inputs,
    filters,
    kernel_size,
    strides=1,
    padding='valid',
    data_format='channels_last',
    dilation_rate=1,
    activation=None,
    use_bias=True,
    kernel_initializer=None,
    bias_initializer=tf.zeros_initializer(),
    kernel_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    kernel_constraint=None,
    bias_constraint=None,
    trainable=True,
    name=None,
    reuse=None
)

参数:[1]

  • inputs:张量数据输入,一般是[batch, width, length]
  • filters:整数,输出空间的维度,可以理解为卷积核(滤波器)的个数
  • kernel_size:单个整数或元组/列表,指定1D(一维,一行或者一列)卷积窗口的长度。
  • strides:单个整数或元组/列表,指定卷积的步长,默认为1
  • padding:"SAME" or "VALID" (不区分大小写)是否用0填充,
      • SAME用0填充;
      • VALID不使用0填充,舍去不匹配的多余项。
  • activation:激活函数
  • ues_bias:该层是否使用偏差
  • kernel_initializer:卷积核的初始化
  • bias_initializer:偏置向量的初始化器
  • kernel_regularizer:卷积核的正则化项
  • bias_regularizer:偏置的正则化项
  • activity_regularizer:输出的正则化函数
  • reuse:Boolean,是否使用相同名称重用前一层的权重
  • trainable:Boolean,如果True,将变量添加到图collection中
  • data_format:一个字符串,一个channels_last(默认)或channels_first。输入中维度的排序。
      • channels_last:对应于形状的输入(batch, length, channels)
      • channels_first:对应于形状输入(batch, channels, length)
  • name = 取一个名字

返回值

  一维卷积后的张量

例子

import tensorflow as tf 

x = tf.get_variable(name="x", shape=[32, 512, 1024], initializer=tf.zeros_initializer)
x = tf.layers.conv1d(
    x,
    filters=1,                    # 输出的第三个通道是1
    kernel_size=512,            # 不用管它是多大,都不影响输出的shape
    strides=1,
    padding='same',
    data_format='channels_last',
    dilation_rate=1,
    use_bias=True,
    bias_initializer=tf.zeros_initializer())

print(x)            # Tensor("conv1d/BiasAdd:0", shape=(32, 512, 1), dtype=float32)

解析

  1. 输入数据的维度为[batch, data_length, data_width]=[32, 512, 1024],一般输入数据input第一维为batch_size,此处为32,意味着有32个样本,第二维度和第三维度分别表示输入的长和宽(512,1024)
  2. 一维卷积核是二维的,也有长和宽,长为卷积核的数量kernel_size=512,因为卷积核的数量只有一个,所以宽为输入数据的宽度data_width=1024,所以一维卷积核的shape为[512,1024]
  3. filteres是卷积核的个数,即输出数据的第三维度。filteres=1,第三维度为1
  4. 所以卷积后的输出数据大小为[32, 512, 1]

CNN神经网络之卷积操作_第1张图片

二维卷积:tf.layers.conv2d()

tf.layers.conv2d(
    inputs,
    filters,
    kernel_size,
    strides=(1, 1),
    padding='valid',
    data_format='channels_last',
    dilation_rate=(1, 1),
    activation=None,
    use_bias=True,
    kernel_initializer=None,
    bias_initializer=tf.zeros_initializer(),
    kernel_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    kernel_constraint=None,
    bias_constraint=None,
    trainable=True,
    name=None,
    reuse=None
)

参数:[4]

  • inputs:张量输入。一般是[batch, width, length]
  • filters:整数,输出空间的维度,可以理解为卷积核(滤波器)的个数
  • kernel_size:2个整数或元组/列表,指定2D卷积窗口的高度和宽度。可以是单个整数,以指定所有空间维度的相同值。
  • strides:2个整数或元组/列表,指定卷积沿高度和宽度方向的步幅。可以是单个整数,以指定所有空间维度的相同值。
  • padding:"SAME" or "VALID" (不区分大小写)是否用0填充,
      • SAME用0填充;
      • VALID不使用0填充,舍去不匹配的多余项。
  • data_format:字符串,"channels_last"(默认)或"channels_first"。输入中维度的排序。
      • channels_last:对应于具有形状的输入,(batch, height, width, channels)
      • channels_first:对应于具有形状的输入(batch, channels, height, width)
  • activation:激活函数
  • use_bias:Boolean, 该层是否使用偏差项
  • kernel_initializer:卷积核的初始化
  • bias_initializer:  偏置向量的初始化。如果为None,将使用默认初始值设定项
  • kernel_regularizer:卷积核的正则化项
  • bias_regularizer:  偏置矢量的正则化项
  • activity_regularizer:输出的正则化函数
  • trainable:Boolean,如果True,将变量添加到图collection中
  • name:图层的name
  • reuse:Boolean,是否使用相同名称重用前一层的权重

返回:

  二维卷积后的张量

例子:

import tensorflow as tf 

x = tf.get_variable(name="x", shape=[1, 3, 3, 5], initializer=tf.zeros_initializer)
x = tf.layers.conv2d(
    x,
    filters=1,                    # 结果的第三个通道是1
    kernel_size=[1, 1],            # 不用管它是多大,都不影响输出的shape
    strides=[1, 1],
    padding='same',
    data_format='channels_last',
    use_bias=True,
    bias_initializer=tf.zeros_initializer())

print(x)            # shape=(1, 3, 3, 1)

解析:

  1. input输入是1张 3*3 大小的图片,图像通道数是5,输入shape=(batch, data_length, data_width, data_channel)
  2. kernel_size卷积核shape是 1*1,数量filters是1strides步长是[1,1],第一维和第二维分别为长度方向和宽度方向的步长 = 1。
  3. 最后输出的shape为[1,3,3,1] 的张量,即得到一个3*3的feature map(batch,长,宽,输出通道数)
  4. 长和宽只和strides有关,最后一个维度 = filters。

 

卷积层中的输出大小计算

  设输入图片大小W,Filter大小F,步长为S,padding为P,输出图片的大小为N:

$$N=\frac{W-F+2P}{S}+1$$

  向下取整后再加1。

在Tensoflow中,Padding有2个选型,'SAME'和'VALID' ,下面举例说明差别:

如果 Padding='SAME',输出尺寸为: W / S(向上取整)

import tensorflow as tf

input_image = tf.get_variable(shape=[64, 32, 32, 3], dtype=tf.float32, name="input", initializer=tf.zeros_initializer)
conv0 = tf.layers.conv2d(input_image, 64, kernel_size=[3, 3], strides=[2, 2], padding='same')  # 32/2=16
conv1 = tf.layers.conv2d(input_image, 64, kernel_size=[5, 5], strides=[2, 2], padding='same')  
# kernel_szie不影响输出尺寸
print(conv0)      # shape=(64, 16, 16, 64)
print(conv1)      # shape=(64, 16, 16, 64)

如果 Padding='VALID',输出尺寸为:(W - F + 1) / S

import tensorflow as tf

input_image = tf.get_variable(shape=[64, 32, 32, 3], dtype=tf.float32, name="input", initializer=tf.zeros_initializer)
conv0 = tf.layers.conv2d(input_image, 64, kernel_size=[3, 3], strides=[2, 2], padding='valid')  # (32-3+1)/2=15
conv1 = tf.layers.conv2d(input_image, 64, kernel_size=[5, 5], strides=[2, 2], padding='valid')  # (32-5+1)/2=14
print(conv0)      # shape=(64, 15, 15, 64)
print(conv1)      # shape=(64, 14, 14, 64)

  

参考文献:

[1] tensorflow官方API tf.layers.conv1d

[2] tf.layers.conv1d函数解析(一维卷积)

[3] tf.layer.conv1d、conv2d、conv3d

[4] tensorflow官方API tf.layers.conv2d

 

你可能感兴趣的:(CNN神经网络之卷积操作)