tensorflow中tf.nn.conv2d()函数

 

tensorflow中二维卷积函数tf.nn.conv2d()定义：

def conv2d(input, filter, strides, padding, use_cudnn_on_gpu=True, data_format="NHWC", dilations=[1, 1, 1, 1], name=None)

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

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,filter的通道数要求与input的in_channels一致，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，strides[0]=strides[3]=1 ，例如strides = [1,2,2,1]

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，关于两者的具体区别可以参考： https://blog.csdn.net/dcrmg/article/details/82317096

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

第六个参数data_format：表示输入的tensor的格式，默认是data_format="NHWC"，4个字母的含义如下：

• N：batch_size
• H：图像height
• W：图像width
• C：图像通道数

所以data_format="NHWC"，则tensor的格式是[batch, in_height, in_width, in_channels];
相对的还有data_format="NCHW"，则tensor的格式是[batch, in_channels, in_height, in_width]

第七个参数dilations：卷积扩张因子，默认值是[1, 1, 1, 1]，如果设置k大于1,则卷积的时候会跳过k-1个元素卷积，相当于扩张了卷积面积？

第八个参数name：操作的名称

结果返回一个Tensor，这个输出，就是特征图feature map

 

tf.nn.conv2d（）函数使用示例：

# coding: utf-8
import tensorflow as tf
 
# 定义输入图像size
img_size = 256
# 卷积核大小
kernel_size = 7
# 卷积步长
stride_size = 1
 
# 读入图像文件
image_value = tf.read_file('./661.jpg')
# 图像编码
img = tf.image.decode_jpeg(image_value, channels=3)
# 格式转换
img = tf.to_float(img, name='ToFloat')
# 调整图像大小到定义尺寸
img = tf.image.resize_images(img, [img_size,img_size],method=0)
 
# 第一个参数1是输入图片数量，最后一个3个RGB3个维度
batch_shape = (1,img_size,img_size,3)
# 维度转换，为卷积做准备（卷积的输入特征图的rank必须是4)
img = tf.reshape(img,batch_shape)
 
# 卷积核大小5×5,深度是3（跟RGB3个维度保持一致），特征图（卷积核）数量是7
filter = tf.Variable(tf.random_normal([kernel_size,kernel_size,3,7]))
# 步长1
strides_shape=[1,stride_size,stride_size,1]
# 定义卷积操作
op_conv2d = tf.nn.conv2d(img, filter, strides_shape, padding='SAME')
 
# 创建运行sess
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    out_img= sess.run(op_conv2d)
    print('输入图像维度： {}'.format(img.shape))
    print('输出图像维度： {}'.format(out_img.shape))
    # 输入图像维度： (1, 256, 256, 3)
    # 输出特征图维度： (1, 256, 256, 7)