tf.contrib.slim.conv2d()
tf.contrib.slim.conv2d()
狼啸风云
修改于 2022-09-03 20:14:46
修改于 2022-09-03 20:14:46
convolution(inputs,
num_outputs,
kernel_size,
stride=1,
padding='SAME',
data_format=None,
rate=1,
activation_fn=nn.relu,
normalizer_fn=None,
normalizer_params=None,
weights_initializer=initializers.xavier_initializer(),
weights_regularizer=None,
biases_initializer=init_ops.zeros_initializer(),
biases_regularizer=None,
reuse=None,
variables_collections=None,
outputs_collections=None,
trainable=True,
scope=None)- inputs 是指需要做卷积的输入图像
- num_outputs 指定卷积核的个数（就是filter的个数）
- kernel_size 用于指定卷积核的维度（卷积核的宽度，卷积核的高度）
- stride 为卷积时在图像每一维的步长
- padding 为padding的方式选择，VALID或者SAME
- data_format 是用于指定输入的input的格式
- rate 对于使用空洞卷积的膨胀率，rate等于1为普通卷积，rate=n代表卷积核中两两数之间插入了n-1个0
- activation_fn 用于激活函数的指定，默认的为ReLU函数
- normalizer_fn 用于指定正则化函数
- normalizer_params 用于指定正则化函数的参数
- weights_initializer 用于指定权重的初始化程序
- weights_regularizer 为权重可选的正则化程序
- biases_initializer 用于指定biase的初始化程序
- biases_regularizer biases可选的正则化程序
- reuse 指定是否共享层或者和变量
- variable_collections 指定所有变量的集合列表或者字典
- outputs_collections 指定输出被添加的集合
- trainable 卷积层的参数是否可被训练
- scope 共享变量所指的variable_scope
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2019-11-03 ，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读