Tensorflow 如何理解张量的形状
例如,下面是代码片段Tensorflow 如何理解张量的形状,tensorflow,Tensorflow,例如,下面是代码片段 kernel = tf.get_variable('conv1_1_Weights', dtype=tf.float32, shape=[3, 3, 3, 64], initializer=initer) 我不明白张量的形状是什么意思?如何理解内核的值等。kernel是一个带有shape=[3,3,3,64]的张量,意思是: 3,3=内核宽度x内核高度 3=内核深度 64=内核数3 x 3 x 64 这意味着每个内核都是一个卷3x3x3,其中有64个 内核深度等于内核
kernel = tf.get_variable('conv1_1_Weights', dtype=tf.float32, shape=[3, 3, 3, 64], initializer=initer)
我不明白张量的形状是什么意思?如何理解内核的值等。
kernel
是一个带有shape=[3,3,3,64]
的张量,意思是:
=内核宽度x内核高度3,3
=内核深度3
=内核数64
3 x 3 x 64
3x3x3
,其中有64个
内核深度等于内核被卷积的输入的深度:所以你可能是在用RGB图像卷积它
此具有64个内核的3通道图像的卷积输出是一个深度为64的卷:每个卷积内核有一个特征映射