在二维卷积函数tf.nn.conv2d(),最大池化函数tf.nn.max_pool(),平均池化函数

tf.nn.avg_pool()中,卷积核的移动步长都需要制定一个参数strides(步长),因为无论是卷积操作还是各种类型的池化操作,都是某种形式的滑动窗口(sliding window)处理,这就要求指定从当前窗口移动下一个窗口位置的移动步长。

TensorFlow 文档关于 strides的说明如下:

strides: A list of ints that has length >= 4. The stride of the sliding window for each dimension of the input tensor.

首先要求 strides 为长度不小于 4 的整数构成的 list,strides参数表示的是滑窗在输入张量各个维度上的移动步长。

如果strides=[b,h,w,c],其中strides[0]和strides[3]默认为1。

具体什么含义呢?

一般而言,对于输入张量(input tensor)有四维信息:[batch, height, width, channels](分别表示 batch_size, 也即样本的数目,单个样本的行数和列数,样本的频道数,rgb图像就是三维的,灰度图像则是一维),对于一个二维卷积操作而言,其主要作用在 height, width上。

strides参数确定了滑动窗口在各个维度上移动的步数。一种常用的经典设置就是要求,strides[0]=strides[3]=1。

strides[0]=1,表示在 batch 维度上移动为 1,指不跳过任何一个样本,每一个样本都会进行运算

strides[1] = 1,表示在高度上移动步长为1,这个可以自己设定,根据网络的结构合理调节

strides[2] = 1,表示在宽度上的移动步长为1,这个可以自己设定,根据网络的结构合理调节

strides[3] = 1,表示在 channels 维度上移动为 1,指不跳过任何一个颜色通道,每一个通道都会进行运算

以上这篇对tensorflow中的strides参数使用详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。

广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!