.传入四维的input,该Tensor的形状为[batch, in_height, in_width, in_channels].还要传入一个形状为[filter_height, filter_width...这个方法做了如下操作:
将卷积核压成形状为[filter_height * filter_width * in_channels, output_channels]的二维矩阵
从输入Tensor提取图像...指定输入输出数据维度的意义....3, 3, 5])
因为图像通道变为5,卷积核的输入通道也要填为5.卷积核的输出通道我们先用1通道:
conv_filter2 = tf.constant([[[[2]]]], tf.float32,...然后卷积核向右移动一格,继续计算: 2x2+3x4+5x3+6x1=37.
前两行遍历完卷积核从第2行开始,继续向右遍历.得到最后的结果.
这里有个卷积工作的参考图:
?