tf conv2d 函数 和CNN实现

tf.nn.conv2d函数 ，在tf技术解释与实践中解释的很清楚。尤其是参数。现在还是来总结一下。

tf.nn.conv2d是TensorFlow里面实现卷积的函数，参考文档对它的介绍并不是很详细，实际上这是搭建卷积神经网络比较核心的一个方法，非常重要

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

除去name参数用以指定该操作的name，与方法有关的一共五个参数：

第一个参数input：指需要做卷积的输入图像，它要求是一个Tensor，具有[batch, in_height, in_width, in_channels]这样的shape，具体含义是[训练时一个batch的图片数量, 图片高度, 图片宽度, 图像通道数]，注意这是一个4维的Tensor，要求类型为float32和float64其中之一。假如不是第一个tensor，它代表的其实是从不同featuremap中取数据。

注意一个2通道的图像其实应该表示为：

[[[[1, 11],[2, 22],[3, 33]],
  [[4, 44],[5, 55],[6, 66]],
  [[7, 77],[8, 88],[9, 99]]]]

1,11是同一个点的两个通道。书中翻译为输入维度，其实是一个意思。

第二个参数filter：相当于CNN中的卷积核，它要求是一个Tensor，具有[filter_height, filter_width, in_channels, out_channels]这样的shape，具体含义是[卷积核的高度，卷积核的宽度，图像通道数，卷积核个数]，要求类型与参数input相同，有一个地方需要注意，第三维in_channels，就是参数input的第四维

第三个参数strides：卷积时在图像每一维的步长，这是一个一维的向量，长度4

第四个参数padding：string类型的量，只能是"SAME","VALID"其中之一，这个值决定了不同的卷积方式（后面会介绍）

第五个参数：use_cudnn_on_gpu:bool类型，是否使用cudnn加速，默认为true

结果返回一个Tensor，这个输出，就是我们常说的feature map，shape仍然是[batch, height, width, channels]这种形式。

那么TensorFlow的卷积具体是怎样实现的呢，用一些例子去解释它：

1.考虑一种最简单的情况，现在有一张3×3单通道的图像（对应的shape：[1，3，3，1]），用一个1×1的卷积核（对应的shape：[1，1，1，1]）去做卷积，最后会得到一张3×3的feature map。

问题1   输入X的维度和参数W的输入维度需要一致吗？当然

2 W 一共有几个参数？几个featuremap？

一共是filter_height*filter_width*in_channels*out_channels那么多的参数

featuremap 个数为 out_channels个 ，表示有几个卷积。

3 in_channels是如何处理的？

其实是会把同一个点上几个通道的值相加

举例来说

import input_data
import tensorflow as tf
import numpy as np

x= np.array([1.0,2.0,3.0,1.,1.0,2.0,3.0,1.],dtype='float32')
x= np.array([2.0,2.0,3.0,3.,2.0,2.0,3.0,3.,],dtype='float32')
f=np.array([1.,2.,3.,2.,1.,2.,3.,2.],dtype='float32')

print (x.dtype)
input = tf.reshape(x,[-1,2,2,2])
filter = tf.reshape(f,[2,2,2,1])

op = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding='SAME')
#op = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding='VALID')
init = tf.initialize_all_variables()
with tf.Session() as sess:
    sess.run(init)



    print("filter")
 
    print("result")
    result = sess.run(op)
    print(result)

 X=[

 [2,2],[3,3]

 [2,2],[3,3]

]

W=[

[1,2],[3,2]

[1,2],[3,2]

]

conv2d(X,W)=[42,18],[21,9]

(2*1+3*3+2*1+3*3=22 )   +  (2*2+2*3+2*2+2*3)=42。

其他维度不再赘述

为了更直观的理解，下面举个例子，图片使用自 吴恩达老师的深度学习课程 。

如下图，假设现有一个为 6×6×36×6×3 的图片样本，使用 3×3×33×3×3 的卷积核（filter）进行卷积操作。此时输入图片的 channels 为 33 ，而卷积核中的 in_channels 与 需要进行卷积操作的数据的 channels 一致（这里就是图片样本，为3）。

接下来，进行卷积操作，卷积核中的27个数字与分别与样本对应相乘后，再进行求和，得到第一个结果。依次进行，最终得到 4×44×4 的结果。

上面步骤完成后，由于只有一个卷积核，所以最终得到的结果为 4×4×14×4×1 ， out_channels 为 11 。

在实际应用中，都会使用多个卷积核。这里如果再加一个卷积核，就会得到 4×4×24×4×2 的结果。

总结一下，我偏好把上面提到的 channels 分为三种：

1. 最初输入的图片样本的 channels ，取决于图片类型，比如RGB；
2. 卷积操作完成后输出的 out_channels ，取决于卷积核的数量。此时的 out_channels 也会作为下一次卷积时的卷积核的 in_channels；
3. 卷积核中的 in_channels ，刚刚2中已经说了，就是上一次卷积的 out_channels ，如果是第一次做卷积，就是1中样本图片的 channels 。

说到这里，相信已经把 channels 讲的很清楚了。在CNN中，想搞清楚每一层的传递关系，主要就是 height,width 的变化情况，和 channels 的变化情况。

【TensorFlow】tf.nn.max_pool实现池化操作

2016年12月04日 14:28:39

阅读数：36944

max pooling是CNN当中的最大值池化操作，其实用法和卷积很类似

有些地方可以从卷积去参考【TensorFlow】tf.nn.conv2d是怎样实现卷积的？ 

 

tf.nn.max_pool(value, ksize, strides, padding, name=None)

参数是四个，和卷积很类似：

 

第一个参数value：需要池化的输入，一般池化层接在卷积层后面，所以输入通常是feature map，依然是[batch, height, width, channels]这样的shape

第二个参数ksize：池化窗口的大小，取一个四维向量，一般是[1, height, width, 1]，因为我们不想在batch和channels上做池化，所以这两个维度设为了1

第三个参数strides：和卷积类似，窗口在每一个维度上滑动的步长，一般也是[1, stride,stride, 1]

第四个参数padding：和卷积类似，可以取'VALID' 或者'SAME'

返回一个Tensor，类型不变，shape仍然是[batch, height, width, channels]这种形式

示例源码：

假设有这样一张图，双通道

第一个通道：

第二个通道：

用程序去做最大值池化：

 

1. import tensorflow as tf

2.  

3. a=tf.constant([

4. [[1.0,2.0,3.0,4.0],

5. [5.0,6.0,7.0,8.0],

6. [8.0,7.0,6.0,5.0],

7. [4.0,3.0,2.0,1.0]],

8. [[4.0,3.0,2.0,1.0],

9. [8.0,7.0,6.0,5.0],

10. [1.0,2.0,3.0,4.0],

11. [5.0,6.0,7.0,8.0]]

12. ])

13.  

14. a=tf.reshape(a,[1,4,4,2])

15.  

16. pooling=tf.nn.max_pool(a,[1,2,2,1],[1,1,1,1],padding='VALID')

17. with tf.Session() as sess:

18. print("image:")

19. image=sess.run(a)

20. print (image)

21. print("reslut:")

22. result=sess.run(pooling)

23. print (result)

这里步长为1，窗口大小2×2，输出结果：

 

 

1. image:

2. [[[[ 1. 2.]

3. [ 3. 4.]

4. [ 5. 6.]

5. [ 7. 8.]]

6.  

7. [[ 8. 7.]

8. [ 6. 5.]

9. [ 4. 3.]

10. [ 2. 1.]]

11.  

12. [[ 4. 3.]

13. [ 2. 1.]

14. [ 8. 7.]

15. [ 6. 5.]]

16.  

17. [[ 1. 2.]

18. [ 3. 4.]

19. [ 5. 6.]

20. [ 7. 8.]]]]

21. reslut:

22. [[[[ 8. 7.]

23. [ 6. 6.]

24. [ 7. 8.]]

25.  

26. [[ 8. 7.]

27. [ 8. 7.]

28. [ 8. 7.]]

29.  

30. [[ 4. 4.]

31. [ 8. 7.]

32. [ 8. 8.]]]]

池化后的图就是：

 

证明了程序的结果是正确的。

 

我们还可以改变步长

 

pooling=tf.nn.max_pool(a,[1,2,2,1],[1,2,2,1],padding='VALID')

最后的result就变成：

 

 

1. reslut:

2. [[[[ 8. 7.]

3. [ 7. 8.]]

4.  

5. [[ 4. 4.]

6. [ 8. 8.]]]]