1.幾維就有幾層括號
2.shape = 【5，2，3，4】
代表的意思的意思是234大小的三維矩陣，深度為倆層，五個這樣的三維矩陣，在使用conv2d時，最後形成的矩陣按照這個shape規律形成，但是其shape對應位置的數字所代表的意義被重新賦予，在input中，第乙個位置表示幾個矩陣，第二位置表示矩陣高度，第三個位置表示矩陣寬度，最後乙個表示矩陣深度。在filter中，第乙個位置是卷積核寬，第二個位置是卷積核是高，第三個位置是卷積核的深度，第四個位置才是卷積核個數，然後函式conv2d會自己去計算，不用管他是不是符合一般的shape位置所表示得意義，最後生成矩陣的shape對應位置數字的意義與input一致。然後給加b的時候按照矩陣相加減的語法就可（注意擴充套件規律）
tensorflow 卷積 設定特定卷積核
映象問題 pytorch 自定義卷積核進行卷積 卷積核訂製 有時想用tensorflow的conv2d的卷積操作，實現一些特定的濾波操作，如patch求和 計算梯度等，這時可以通過設計特定的卷積核來實現功能。先看tf.nn.conv2d的各個引數 tf.nn.conv2d input,filter,...
關於tensorflow中卷積池化運算的相關引數
import tensorflow as tf import numpy as np x tf.constant 1,2,3,4 4,5,6,7 7,8,9,10 10,11,12,13 x tf.reshape x,1,4,4,1 y tf.nn.max pool x,ksize 1,2,2,1 ...
Tensorflow卷積介面總結
這個介面用了這麼久，每次都有點迷惑，這裡做下總結。filter 卷積核引數，shape為 kernel height,kernel width,in channels,out channels 第三維與input的第四維對應，第四維決定了卷積核的個數 stride 步長，一維向量，4個值，其中 0 ...