tf.nn.con2d

1. API参数介绍

tf.nn.conv2d((input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)

其中input的默认输入格式为NHWC，即为[batch, in_height, in_width, in_chanels]。

filter的输入格式为HWIO，[filter_height, filter_width, in_channels, out_channels]，其中filter的个数和out_channels相同。

stride的输入格式和data_format的格式相对应，它也是一个四维张量，表示在data_format每一维上的移动步长。例如输入格式默认格式”NHWC“，则strides的设置为[1,stride,stride,1]对应[batch,in_height, in_width, in_channels]第二、三维是在filter在特征图上的移动的跨度，第四个表示在一个样本的一个通道上移动。第一维和第四维一般恒定为1。

padding为string类型，必须是"SAME","VALID"其中一个，这个值决定了不同的卷积方式。conv2d的VALID方式不会在原有输入的基础上添加新的像素。

use_cudnn_on_gpu为bool类型，是否使用cudnn加速，默认为true。

2. 实例说明

下文通过实例来说明TensorFlow卷积的具体实现方式：

考虑一种最简单的情况，现在有一张3×3单通道的图像（输入数据shape：[1，3，3，1]），用一个1×1的卷积核（对应的shape：[1，1，1，1]）去做卷积，最后会得到一张3×3的feature map，即133的feature map。

增加图片的通道数，使用一张3×3五通道的图像（输入数据shape：[1，3，3，5]），用一个1×1的卷积核（对应的shape：[1，1，1，1]）去做卷积，仍然是一张3×3的feature map，这就相当于每一个像素点，卷积核都与该像素点的每一个通道做卷积。对于每个filter而言，是把所有channel的结果求和。

如果out_channels为1，则是直接把多个channels相加。

input = tf.Variable(tf.ones([1, 3, 3, 4])) filter = tf.Variable(tf.ones([1, 1, 4, 1])) op = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding='VALID') intilizers = tf.global_variables_initializer() with tf.Session() as sess: sess.run(intilizers) print(op.shape) print(sess.run(op)) 

结果为

(1, 3, 3, 1) [[[[4.] [4.] [4.]] [[4.] [4.] [4.]] [[4.] [4.] [4.]]]] 

如果out_channels大于1，就是对应的filter进行运算的结果，然后形成一个更大的张量。

input = tf.Variable(tf.ones([1, 3, 3, 4])) filter = tf.Variable(tf.ones([1, 1, 4, 2])) op = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding='VALID') intilizers = tf.global_variables_initializer() with tf.Session() as sess: sess.run(intilizers) print(op.shape) print(sess.run(op)) 

结果为

(1, 3, 3, 2) [[[[4. 4.] [4. 4.] [4. 4.]] [[4. 4.] [4. 4.] [4. 4.]] [[4. 4.] [4. 4.] [4. 4.]]]] 

1. .使用一张3×3五通道的图像（输入数据shape：[1，3，3，5]），用一个3×3的卷积核（对应的shape：[1，1，1，1]）去做卷积，用的卷积核做卷积，最后的输出是一个值，相当于情况2的feature map所有像素点的值求和。

input = tf.Variable(tf.random_normal([1, 3, 3, 5])) filter = tf.Variable(tf.random_normal([3, 3, 5, 1])) op = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding='VALID') print(op.shape) 

输出结果为

(1, 1, 1, 1) 

1. 使用更大的图片将情况2的图片扩大到5×5，仍然是3×3的卷积核，令步长为1，输出3×3的feature map

input = tf.Variable(tf.random_normal([1, 5, 5, 5])) filter = tf.Variable(tf.random_normal([3, 3, 5, 1])) op = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding='VALID') print(op.shape) 

输出结果为

(1, 3, 3, 1) 

1. 上面我们一直令参数padding的值为‘VALID’，当其为‘SAME’时，表示卷积核可以停留在图像边缘，如下，输出5×5的feature map

input = tf.Variable(tf.random_normal([1, 5, 5, 5])) filter = tf.Variable(tf.random_normal([3, 3, 5, 1])) op = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding='SAME') print(op.shape) 

输出结果为

(1, 5, 5, 1) 

1. 如果卷积核有多个。

input = tf.Variable(tf.random_normal([1, 5, 5, 5])) filter = tf.Variable(tf.random_normal([3, 3, 5, 7])) op = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding='SAME') print(op.shape) 

输出结果为

(1, 5, 5, 7) 

1. 步长不为1的情况，文档里说了对于图片，因为只有两维，通常strides取[1，stride，stride，1]

input = tf.Variable(tf.random_normal([1, 5, 5, 5])) filter = tf.Variable(tf.random_normal([3, 3, 5, 7])) op = tf.nn.conv2d(input, filter, strides=[1, 2, 2, 1], padding='SAME') print(op.shape) 

输出结果为

(1, 3, 3, 7) 

1. 如果batch值不为1，同时输入10张图，本质上是一张图一张的计算。

input = tf.Variable(tf.random_normal([10, 5, 5, 5])) filter = tf.Variable(tf.random_normal([3, 3, 5, 7])) op = tf.nn.conv2d(input, filter, strides=[1, 2, 2, 1], padding='SAME') print(op.shape) 

输出结果为

(10, 3, 3, 7) 

3. h = tf.nn.bias_add(conv, b)

https://blog.ZEEKLOG.net/herosunly/article/details/90340152

参考博客地址为：
https://www.bilibili.com/video/av38229543/?p=25
https://blog.ZEEKLOG.net/mieleizhi0522/article/details/80412804
https://www.cnblogs.com/qggg/p/6832342.html