卷積層的輸入是一張或者多張,有可能是單通道或者多通道,但不管是單通道還是多通道,經過卷積層後,得到的輸出map都是單通道的特徵圖。
1、假如輸入1張,通道數為5,那麼在設計卷積核的時候,對應的卷積核的通道數也因該是5
import tensorflow as tf
input = tf.variable(tf.random_normal([1, 3, 3, 5]))
filter = tf.variable(tf.random_normal([1, 1, 5, 1]))
op = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding='valid')
init = tf.global_variables_initializer()
with tf.session() as sess:
sess.run(init)
print(input)
print("*********************")
print(filter)
print("*********************")
print(op)
print("*********************")
輸出:
*********************
*********************
tensor("conv2d:0", shape=(1, 3, 3, 1), dtype=float32)
*********************
2、如果要輸出多張特徵圖,則需要更改卷積核的個數,假設卷積核的數量為10
import tensorflow as tf
input = tf.variable(tf.random_normal([1, 3, 3, 5]))
filter = tf.variable(tf.random_normal([1, 1, 5, 10]))
op = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding='valid')
init = tf.global_variables_initializer()
with tf.session() as sess:
sess.run(init)
print(input)
print("*********************")
print(filter)
print("*********************")
print(op)
print("*********************")
輸出:
*********************
*********************
tensor("conv2d:0", shape=(1, 3, 3, 10), dtype=float32)
*********************
GLSL層卷積(寬 高 輸出通道數)(計算單位數)
增加計算單位數,可以加快計算速度。計算單位 從 iwidth iheight 增加到 iwidth iheight outnum mnumgroupsx iwidth int xsize iheight mnumgroupsy outnum mnumgroupsz 1 innum if iheigh...
關於輸入輸出的感想
也許是之前沒有認真靜下心來好好看輸入輸出,一直對這一塊感覺很陌生和遙遠。每次提起這一塊都感覺有點迴避,看到一系列的處理流疊加在一起,根本就不明白幹嘛要這樣,只知道這是在讀資料或是寫資料。前幾天抽空看了下,也認真理解了下,發現其實並非像想象中的那麼難懂,反而比較簡單,至少用法比較簡單。在平常用的過程中...
關於十六進製制數輸入輸出
舉個例子方便理解 int main 練習可以參考 hdu2057 最大數字是15位,沒有超過 int64 能表達的最大數。int64 最大能表示16位十六進製制數。所以直接進行加減就行了,需要注意的是輸入輸出的格式以及十六進製制表達負數的時候顯示的是補碼。include int main void ...