Python 用tensorflow实现CNN

我是卷积神经网络和Tensorflow的新手，我需要实现一个具有更多参数的conv层：

转换层1:filter=11，channel=64，stride=4，Relu

空气污染指数如下：

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)

我明白，什么是跨步，在我的情况下应该是[1,4,4,1]。但我不明白，我应该如何传递过滤器参数和填充。

---

有人可以帮忙吗？

首先，您需要创建一个筛选器变量：

W = tf.Variable(tf.truncated_normal(shape = [11, 11, 3, 64], stddev = 0.1), tf.float32)

形状参数的前两个字段表示过滤器大小，第三个字段表示输入通道数（我猜您的图像有3个通道），第四个字段表示输出通道数

现在，卷积层的输出可以计算如下：

conv1=tf.nn.conv2d（输入，W，步幅=[1,4,4,1]，填充='SAME'）

，其中

padding='SAME'

表示零填充，因此图像的大小保持不变，输入的大小应为[batch，size1，size2，3]

ReLU应用程序非常简单：

conv1 = tf.nn.relu(conv1)