Tensorflow:设置重量尺寸(解释)
我无法真正理解以下代码: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])
'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)