Tensorflow：设置重量尺寸（解释）_Tensorflow_Neural Network_Deep Learning

Tensorflow：设置重量尺寸（解释）

tensorflow neural-network deep-learning

Tensorflow：设置重量尺寸（解释）,tensorflow,neural-network,deep-learning,Tensorflow,Neural Network,Deep Learning,我无法真正理解以下代码： 'W_conv1'：tf.变量（tf.random_normal（[5,5,1,32]））这是我的第一个卷积层。我理解CNN的ver good…但这段代码基本上创建了5x5滤波器（或局部感受野），32是卷积深度laer（32个不同的滤波器，具有不同的权重）？但是如何解释中的32：tf.Variable（tf.random\u normal（[5,5,32,64]） “W_conv2”：tf.Variable（tf.random_normal（[5,5,32,64]）

我无法真正理解以下代码：

'W_conv1'：tf.变量（tf.random_normal（[5,5,1,32]））

这是我的第一个卷积层。我理解CNN的ver good…但这段代码基本上创建了5x5滤波器（或局部感受野），32是卷积深度laer（32个不同的滤波器，具有不同的权重）？但是如何解释

中的32
：tf.Variable（tf.random\u normal（[5,5,32,64]）

“W_conv2”：tf.Variable（tf.random_normal（[5,5,32,64]）

这里32是输入_通道的数量（前一层的过滤器数量）

通常，重量形状如下所示：

[filter_height, filter_width, input_channels, output_channels]

对于第一层

“W_conv1”：tf.变量（tf.random_normal（[5,5,1,32]）

input_channels是输入的通道数。（1个用于灰度图像，3个用于RGB图像）