import tensorflow as tf
import numpy as np
x = tf.constant([[1, 2, 3, 4], [4, 5, 6, 7], [7, 8, 9, 10], [10, 11, 12, 13]])
x = tf.reshape(x, [1, 4, 4, 1])
y = tf.nn.max_pool(x,ksize=[1,2,2,1],strides=[1,4,4,1],padding="same")
with tf.session() as sess:
x = sess.run(x)
print(x.shape)
y = sess.run(y)
print(y)
ksize：池化視窗的大小，乙個四維向量[1, height, width, 1]，batch和channels不做池化設定為1
strides： 視窗在每乙個維度上滑動的步長，一般也是[1, stride,stride, 1]
padding：valid容易理解 ；same和步長：經過嘗試，padding設定為same時只在輸入矩陣右邊新增一列，下邊新增一行。卷積層是新增一圈0
關於tensorflow卷積shape的詳細解析
1.幾維就有幾層括號 2.shape 5，2，3，4 代表的意思的意思是234大小的三維矩陣，深度為倆層，五個這樣的三維矩陣，在使用conv2d時，最後形成的矩陣按照這個shape規律形成，但是其shape對應位置的數字所代表的意義被重新賦予，在input中，第乙個位置表示幾個矩陣，第二位置表示矩陣...
tensorflow 卷積 設定特定卷積核
映象問題 pytorch 自定義卷積核進行卷積 卷積核訂製 有時想用tensorflow的conv2d的卷積操作，實現一些特定的濾波操作，如patch求和 計算梯度等，這時可以通過設計特定的卷積核來實現功能。先看tf.nn.conv2d的各個引數 tf.nn.conv2d input,filter,...
Tensorflow卷積介面總結
這個介面用了這麼久，每次都有點迷惑，這裡做下總結。filter 卷積核引數，shape為 kernel height,kernel width,in channels,out channels 第三維與input的第四維對應，第四維決定了卷積核的個數 stride 步長，一維向量，4個值，其中 0 ...