Python 识别卷积神经网络的层
我的评论正确吗?这些是我的模型的5层吗,如下所述 模型 在该层中,它是一个完全连接的层,并通过“RELU”激活功能传递。这个代码的层就是这个部分Python 识别卷积神经网络的层,python,tensorflow,conv-neural-network,Python,Tensorflow,Conv Neural Network,我的评论正确吗?这些是我的模型的5层吗,如下所述 模型 在该层中,它是一个完全连接的层,并通过“RELU”激活功能传递。这个代码的层就是这个部分 tf.matmul(reshape, layer3_weights) + layer3_biases 您通过relu激活功能发送该层 tf.nn.relu(tf.matmul(reshape, layer3_weights) + layer3_biases) 除此之外,一切似乎都很好 您的注释标签是正确的,但我认为您的代码存在问题 如果您查看以下各
tf.matmul(reshape, layer3_weights) + layer3_biases
您通过relu激活功能发送该层
tf.nn.relu(tf.matmul(reshape, layer3_weights) + layer3_biases)
除此之外,一切似乎都很好 您的注释标签是正确的,但我认为您的代码存在问题 如果您查看以下各项的定义: 您可以看到,第二个参数不是权重,而是过滤器(内核)形状,定义为:
[filter\u height,filter\u width,in\u channels,out\u channels]
你可以用它来代替。它简化了代码,并在一行中完成权重、偏差和激活。e、 g
conv1 = conv2d(data, filters, kernel_size=[2, 2], padding='same', activation=tf.nn.relu)
我得到了它。谢谢我去查一下。好消息,谢谢
tf.nn.relu(tf.matmul(reshape, layer3_weights) + layer3_biases)
conv2d(
input,
filter,
strides,
padding,
use_cudnn_on_gpu=True,
data_format='NHWC',
name=None
)
conv1 = conv2d(data, filters, kernel_size=[2, 2], padding='same', activation=tf.nn.relu)