亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

tf.nn.conv2d與tf.layers.conv2d的區(qū)別及說(shuō)明

 更新時(shí)間：2023年02月21日 14:06:53   作者：zhongranxu  
這篇文章主要介紹了tf.nn.conv2d與tf.layers.conv2d的區(qū)別及說(shuō)明，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教

tf.nn.conv2d與tf.layers.conv2d的區(qū)別

在寫(xiě)CNN中注意到tensorflow目前有tf.nn.conv2d和tf.layers.conv2d這兩個(gè)很相似的API.

tf.nn.conv2d， 需要自行傳入初始化好的filter（四個(gè)維度），在初始化filter或者說(shuō)Weights中，已經(jīng)手動(dòng)選擇了初始化方案，一般用的是tf.truncated_normal。另外tf.nn.conv2d中激活函數(shù)需要另外寫(xiě)。

而在tf.layers.conv2d中，只要寫(xiě)入n和size，參數(shù)列表中kernel_initializer默認(rèn)是None， 不清楚這里的參數(shù)是如何初始化的？ tf.layers.conv2d中，激活函數(shù)是一個(gè)參數(shù)，不需要另外調(diào)用。

問(wèn)過(guò)大神，大神答曰：一般推薦使用tf.layers.下面的函數(shù)，用起來(lái)方便。但是在tf2.0里，tf.layers.下面的API也都被遺棄了，tf2.0推薦使用keras.layers下面的API。

tf.nn.conv2d

tf.layers.conv2d

tf.nn.conv2d和tf.layers.conv2d的學(xué)習(xí)

看了很多tensorflow卷積的例子，有的用了tf.nn.conv2d，有的用了tf.layers.conv2d，那么這兩個(gè)究竟有啥不同呢？

tf.layers.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=init_ops.zeros_initializer(),
??????????????? 　　　 kernel_regularizer=None,
??????????????? 　　　 bias_regularizer=None,
??????????????? 　　　 activity_regularizer=None, trainable=True,
??????????????? 　　　 name=None, reuse=None)

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)

對(duì)于卷積來(lái)說(shuō)，作用是一樣的。tf.layers.conv2d 使用tf.nn.convolution作為后端。

一個(gè)參數(shù)要注意一下：

  • filter：是一個(gè)４維張量，其type必須和輸入一樣，
[filter_height, filter_width, in_channels, out_channels]
  • filters：一個(gè)整數(shù)，輸出空間的維度，也就是卷積核的數(shù)量。

tf.layers.conv2d參數(shù)豐富，一般用于從頭訓(xùn)練一個(gè)模型。

tf.nn.conv2d，一般在下載預(yù)訓(xùn)練好的模型時(shí)使用。

所以，喜歡哪個(gè)就用哪個(gè)咯。

總結(jié)

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

相關(guān)文章

最新評(píng)論