tensorflow中如何進行卷積計算

keras.layers.conv2d(filters, kernel_size, strides=(1, 1), padding='valid', data_format=none, dilation_rate=(1, 1), activation=none, use_bias=true, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=none, bias_regularizer=none, activity_regularizer=none, kernel_constraint=none, bias_constraint=none)

'kernel_size'        : 3,#單個整數或由兩個整數構成的list/tuple,卷積核的寬度和長度,

'strides'            : 1,#單個整數或由兩個整數構成的list/tuple,為卷積的步長,如果為單個整數,則表示在各個空間維度
# 的相同步長,任何不為1的strides均與任何不為1的dilation_rage均不相容
'padding'            : 'same',#補0策略,為same和valid, valid代表只進行有效的卷積,即對邊界資料不處理,same代表保留
#邊界處的卷積結果,通常會導致輸出shape與輸入shape相同
'activation', 啟用函式, 為預定義的函式名,如果不指定該引數,將不會使用任何啟用函式,
'kernel_initializer' : keras.initializers.normal(mean=0.0, stddev=0.01, seed=none),
'bias_initializer'   : 'zeros'權值初始化方法,

import tensorflow as tf

import numpy as np
import tensorflow.contrib.slim as slim
x1=np.array([0,0,0,2,1,1,0,2,0])
x1=x1.reshape(3,3)
x1= tf.constant(x1, shape=[1, 3, 3, 1],dtype=tf.float32)
kernel_0=np.array([0,0,-1,1,0,0,0,0,1])
kernel_0=kernel_0.reshape(3,3)
kernel_0= tf.constant(kernel_0, shape=[3, 3, 1, 1],dtype=tf.float32)
conv2d = tf.nn.conv2d(x1, kernel_0, strides=[1, 1, 1, 1], padding='same')  # 卷積
# yy=slim.conv2d(x1,kernel_0,3)#這個如何ｙｏｇａ暫時還不知道
with tf.session() as sess:
sess.run(tf.global_variables_initializer())
# x1, w,conv2d,yy= sess.run([x1,kernel_0,conv2d,yy])
x1, w, conv2d= sess.run([x1, kernel_0, conv2d])
print(conv2d,np.shape(conv2d)) #[1 2 -1
# 1 2 -1
# 0 1 2]. (1,3,3,1)
# print(yy)

如何進行Monkey Test

一 簡介 monkey是android中的乙個命令列工具，可以執行在模擬器裡或實際裝置中。它向系統傳送偽隨機的使用者事件流 如按鍵輸入 觸控螢幕輸入 手勢輸入等 實現對正在開發的應用程式進行壓力測試。monkey包括許多選項，它們大致分為四大類 基本配置選項，如設定嘗試的事件數量 執行約束選項，如設...

如何進行Code Review

code review應該怎麼做 如何高效迅速的進行codereview 下面推薦一些 code review 工具 crucible atlassian 內部 審查工具 gerrit google 開源的 git 審查工具 github 程式設計師應該很熟悉了，上面的 pull request 在...

如何進行CodeReview

規範主要分為風格規範與設計規範兩大類 主要是文字上的規定，看似表面文章，實際上非常重要。具體有如下幾個方面 1 縮排 2 行寬 3 斷行 空白行 4 括號 5 命名 字母 下劃線 大小寫 6 注釋 a 單行注釋 b 多行注釋 c 變數 方法 類 包注釋 牽涉到程式設計 模組之間的關係 設計模式等方方...