tf.nn.conv2d 与tf.layers.conv2d的区别

1. tf.nn.conv2d

tf.nn.conv2d(input, # 张量输入filter, # 卷积核参数strides, # 步长参数padding, # 卷积方式use_cudnn_on_gpu=None, # 是否是gpu加速data_format=None, # 数据格式，与步长参数配合，决定移动方式name=None): # 名字，用于tensorboard图形显示时使用

关键参数如下

input.shape=[batch, in_height, in_width, in_channels]

filter.shape= [filter_height, filter_width, in_channels, out_channels ]

strides = [1, stride, stride, 1].
必须满足strides[0] = strides[3] = 1.
在大多数情况下 strides = [1, stride, stride, 1].

2. tf.layers.conv2d

这是tensorflow 更高一级的api,和keras.layer类似

conv2d(inputs, filters, kernel_size, strides=(1, 1), padding='valid', data_format='channels_last', dilation_rate=(1, 1),activation=None, use_bias=True, kernel_initializer=None,bias_initializer=<tensorflow.python.ops.init_ops.Zeros object at 0x000002596A1FD898>, kernel_regularizer=None,bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None, trainable=True, name=None,reuse=None)

• input 和tf.nn.conv2d 一样，必须是4维张量，input.shape=[batch, in_height, in_width, in_channels]
• filters：整数，表示输出空间的维数（即卷积过滤器的数量），对应于tf.nn.conv2d中的out_channels
• kernel_size：一个整数，或者包含了两个整数的元组/队列，表示卷积窗的高和宽。如果是一个整数，则宽高相等。 对应于tf.nn.conv2d中的(filter_height, filter_width)

2. keras.layers.conv2d

keras.layers.convolutional.Conv2D(filters, kernel_size, strides=(1, 1), padding='valid', data_format=None, dilation_rate=(1, 1), activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None)

filters：卷积核的数目（即输出的维度）

kernel_size：单个整数或由两个整数构成的list/tuple，卷积核的宽度和长度。如为单个整数，则表示在各个空间维度的相同长度。

strides：单个整数或由两个整数构成的list/tuple，为卷积的步长。如为单个整数，则表示在各个空间维度的相同步长。任何不为1的strides均与任何不为1的dilation_rate均不兼容

padding：补0策略，为“valid”, “same” 。“valid”代表只进行有效的卷积，即对边界数据不处理。“same”代表保留边界处的卷积结果，通常会导致输出shape与输入shape相同。

activation：激活函数，为预定义的激活函数名（参考激活函数），或逐元素（element-wise）的Theano函数。如果不指定该参数，将不会使用任何激活函数（即使用线性激活函数：a(x)=x）

dilation_rate：单个整数或由两个个整数构成的list/tuple，指定dilated convolution中的膨胀比例。任何不为1的dilation_rate均与任何不为1的strides均不兼容。

data_format：字符串，“channels_first”或“channels_last”之一，代表图像的通道维的位置。该参数是Keras 1.x中的image_dim_ordering，“channels_last”对应原本的“tf”，“channels_first”对应原本的“th”。以128x128的RGB图像为例，“channels_first”应将数据组织为（3,128,128），而“channels_last”应将数据组织为（128,128,3）。该参数的默认值是~/.keras/keras.json中设置的值，若从未设置过，则为“channels_last”。

use_bias:布尔值，是否使用偏置项

kernel_initializer：权值初始化方法，为预定义初始化方法名的字符串，或用于初始化权重的初始化器。参考initializers

bias_initializer：权值初始化方法，为预定义初始化方法名的字符串，或用于初始化权重的初始化器。参考initializers

kernel_regularizer：施加在权重上的正则项，为Regularizer对象

bias_regularizer：施加在偏置向量上的正则项，为Regularizer对象

activity_regularizer：施加在输出上的正则项，为Regularizer对象

kernel_constraints：施加在权重上的约束项，为Constraints对象

bias_constraints：施加在偏置上的约束项，为Constraints对象

总结

以上是生活随笔为你收集整理的tf.nn.conv2d 与tf.layers.conv2d的区别的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。