出處 函式
cnn在深度學習中有著舉足輕重的地位，主要用於特徵提取。在tensorflow中涉及的函式是tf.nn.conv2d。
tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=true, data_format=「nhwc」, dilations=[1, 1, 1, 1], name=none)
input 代表做卷積的輸入影象的tensor，其shape要求為[batch, in_height, in_width, in_channels]，具體含義是[訓練時乙個batch的數量, 高度, 寬度, 影象通道數]，資料型別為float32或float64；
filter 相當於cnn中的卷積核，該tensor的shape要求為[filter_height, filter_width, in_channels, out_channels]，具體含義是[卷積核的高度，卷積核的寬度，影象通道數，卷積核個數]，要求型別與引數input相同，filter的通道數要求與input的in_channels一致，即第三維in_channels，就是引數input的第四維；
strides [1,stride_h,stride_w,1]步長，即卷積核每次移動的步長；
padding 填充模式，取值只能為「same」或「valid」；
輸出結果是shape為[batch, out_height, out_width, out_channels]，batch取決於input，out_channels取決於filter，而out_height與out_width取決於所有引數，參考示意圖
same模式 補
out_height = ceil ( float ( in_height ) / float ( stride_h) )
out_width = ceil ( float ( in_width ) / float ( stride_w ) )
valid模式 丟
out_height = ceil(float(in_height - filter_height + 1) / float(stride_h))
out_width = ceil(float(in_width - filter_width + 1) / float(stride_w))
補的方式如下:
補的行數：pad_along_height = max((out_height - 1) * strides[1] + filter_height - in_height, 0)
補的列數：pad_along_width = max((out_width - 1) * strides[2] + filter_width - in_width, 0)
pad_top = pad_along_height // 2
pad_bottom = pad_along_height - pad_top
pad_left = pad_along_width // 2
pad_right = pad_along_width - pad_left
測試例項
import tensorflow as tf
input = tf.variable(tf.random_normal([1,16,64,3]))
filter = tf.variable(tf.random_normal([3,5,3,32]))
op = tf.nn.conv2d(input, filter, strides=[1, 2, 2, 1], padding=『valid』)
with tf.session() as sess:
sess.run(tf.global_variables_initializer())
res = (sess.run(op))
print (res.shape)
Conv2d函式詳解（Pytorch）
本文是基於pytorch框架下的api conv2d 該函式使用在二維輸入，另外還有conv1d conv3d 其輸入分別是一維和三維。下面將介紹conv2d 的引數。一 引數介紹 def init self,in channels int,out channels int,kernel size ...
TensorFlow 中 conv2d 的確切含義
在讀 tensorflow 實戰google深度學習框架 才雲科技caicloud,鄭澤宇,顧思宇 摘要 書評 試讀 圖書 結合 tensorflow tf.nn.conv2d是怎樣實現卷積的？xf mao的部落格 部落格頻道 csdn.net neural network what does tf...
Matlab函式 conv2的用法
matlab函式conv2的用法 c conv2 a,b c conv2 hcol,hrow,a c conv2 shape 說明 對於 c conv2 a,b conv2 的算矩陣 a 和 b 的卷積，若 ma,na size a mb,nb size b 則 size c ma mb 1,na ...