利用TensorFlow实现CNN的卷积层和池化层

用TensorFlow实现卷积层和池化层

import tensorflow as 
filter_wight = tf.get_variable('weight',[width,height,matrix_depth,filter_depth],initializer=tf.constant_initializer(stddev = 0.1))
biases = tf.get_variable('biases',[filter_depth],initializer=tf.constant_initializer(0.1))
#padding的参数设置为SAME表示全0填充，VALID表示不填充
#strides的首尾参数无意义，必须为1，中间参数分别表示当前节点矩阵长和宽的步长
conv = tf.nn.conv2d(input,filter_depth,strides=[1,lstep_len,wstep_len,1],padding='SAME')
#将偏执项加入到各个深度的矩阵中
bias = tf.nn.bias_add(conv,biases)
actived_conv = tf.nn.relu(bias)

#ksize表示过滤器信息，strides表示步长信息
pool = tf.nn.max_pool(actived_conv,ksize=[1,3,3,1],strides=[1,2,2,1],padding='SAME')