【TensorFlow学习笔记（三）】常用函数：卷积

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.