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

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)