TensorFlow中与卷积核有关的各参数的意义
以自带models中mnist的convolutional.py为例:
1.filter要与输入数据类型相同(float32或float64),四个参数为`[filter_height, filter_width, in_channels, out_channels]`,即卷积核的高/宽/输入通道数/输出通道数(feature map),如:[5, 5, NUM_CHANNELS, 32], # 5x5 filter, depth 32.
2.strides为长度为4的一维int型矩阵,四个参数代表卷积核在输入数据四个维度上的步长。比如,strides=[1, 2, 2, 1] 即表示卷积核在“卷”一幅图片的时候,从左到右两个像素两个像素得“卷”,从上到下也是两个像素两个像素得“卷”,一个batch一个batch地“卷”,一个channel一个channel地“卷”(请原谅我孱弱的表达能力。。)。
3.padding有两种参数供选择,分别是SAME和VALID