?tf.nn.conv2d()?函數來計算卷積，weights?作為濾波器，[1, 2, 2, 1]?作為 strides。TensorFlow 對每一個?input?維度使用一個單獨的 stride 參數，[batch, input_height, input_width, input_channels]。我們通常把?batch?和?input_channels?（strides?序列中的第一個第四個）的 stride 設為?1。

tf.nn.max_pool()?函數實現最大池化時，?ksize參數是濾波器大小，strides參數是步長。2x2 的濾波器配合 2x2 的步長是常用設定。

ksize?和?strides?參數也被構建為四個元素的列表，每個元素對應 input tensor 的一個維度 ([batch, height, width, channels])，對?ksize?和?strides?來說，batch 和 channel 通常都設置成?1。

池化層并不是很受青睞。部分原因是：

• 現在的數據集又大又復雜，我們更關心欠擬合問題。
• Dropout 是一個更好的正則化方法。
• 池化導致信息損失。想想最大池化的例子，n?個數字中我們只保留最大的，把余下的?n-1?完全舍棄了。

總結

以上是生活随笔為你收集整理的tensorflow详解-tf.nn.conv2d()，tf.nn.max_pool()的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。