在讀：
《tensorflow:實戰google深度學習框架》 才雲科技caicloud, 鄭澤宇, 顧思宇【摘要 書評 試讀】圖書
結合：【tensorflow】tf.nn.conv2d是怎樣實現卷積的？ - xf__mao的部落格 - 部落格頻道 - csdn.net
neural network - what does tf.nn.conv2d do in tensorflow? - stack overflow
現在總結出兩個例子：
1. 尺寸的壓縮：
input: [1,3,3,1] # 3*3 的圖，通道數 1
[[[[1],[2],[3]],
[[4],[5],[6]],
[[7],[8],[9]]]]
fitler: [2,2,1,1] # 2*2 的卷積核，輸入通道 1，輸出通道 1
可見卷積是怎麼進行的。
2. 通道的壓縮
input: [1,3,3,2] # 3*3 的圖，通道數 2
[[[[1, 11],[2, 22],[3, 33]],
[[4, 44],[5, 55],[6, 66]],
[[7, 77],[8, 88],[9, 99]]]]
fitler: [1,1,2,1] # 1*1 的卷積核，輸入通道 2，輸出通道 1
[[[[10],[1000]]]]
result:
[[[[ 11010.], [ 22020.], [ 33030.]],
[[ 44040.], [ 55050.], [ 66060.]],
[[ 77070.], [ 88080.], [ 99090.]]]]
可以看出通道壓縮是怎麼進行的。
使用 tf.const 注入可示蹤的測試資料，比用 random_normal 構造資料要好懂的多。
TensorFlow學習 卷積層conv2d引數
卷積層引數解釋 tf.nn.conv2d input,filter,strides,padding,use cudnn on gpu bool,data format name none input 指定需要做卷積的輸入影象，輸入要求為乙個4維的 tensor 要求輸入型別為 float32 或者f...
tensorflow2建立卷積核Conv2D函式
使用conv2d可以建立乙個卷積核來對輸入資料進行卷積計算，然後輸出結果，其建立的卷積核可以處理二維資料。依次類推，conv1d可以用於處理一維資料，conv3d可以用於處理三維資料。在進行神經層級整合時，如果使用該層作為第一層級，則需要配置input shape引數。在使用conv2d時，需要配置...
matlab中conv和deconv實現卷積和解卷
conv 卷積 多項式的乘法用函式conv p1,p2 來實現，相當於執行兩個陣列的卷積。卷積就是將兩個多項式相乘，他們的係數就是得到的卷積 比如 這樣乙個很簡單的多項式 利用matlab實現就是 b1 1,2 b1 1 2 b2 1,3 b2 1 3 conv b1,b2 ans 1 5 6 得到...