Demo entry 6654858

py

   

Submitted by lu on Oct 25, 2017 at 08:40
Language: Python. Code size: 845 Bytes.

# 通过tf.get_variable的方式创建过滤器的权重变量和偏执项变量,
    # 卷积层的参数个数:过滤器的尺寸,深度以及当前层节点矩阵的深度有关系。
    # 因此,这里定义的是四维矩阵。
    # 前两个维度代表了:过滤器的尺寸。
    # 第三个维度:当前层的深度。
    # 第四个维度:过滤器的深度。
    filter_weight = tf.get_variable('weights', [5, 5, 3, 16],
                                    initializer=tf.truncated_normal_initializer(stddev=0.1))

    # 这里的偏置项也是共享的,因此,其个数也是与过滤器深度大小一样。
    biases = tf.get_variable('biases', [16], initializer=tf.constant_initializer(0.1))

    '''
    	参数说明:
    			1.	input: 为输入数据,input[0,:,:,:] 表示第一张图片,input[0,:,:,:] 表示第二张图片,以此类推。
    			2.	filter_weight:为卷积层的权重。
    			3.	strides:不同维度上的步长。第一维度和最后一维度上的步长必须为1.
    			4.	padding:填充值,'SAME'为填充0.
    '''
    conv = tf.nn.conv2d(input, filter_weight, strides=[1, 1, 1, 1], padding='SAME')

    bias = tf.nn.bias_add(conv, biases)
    actived_conv = tf.nn.relu(bias)

This snippet took 0.00 seconds to highlight.

Back to the Entry List or Home.

Delete this entry (admin only).