概述
卷积：有效提取图像特征的方法
计算方法：
输出图片的边长：（输入图片边长-卷积核边长+1）/步长
步长指的是每次移动的距离单位
padding
1.输入图片全0填充
保证输出和输入图片的大小一样
是否全0填充
SAME：输入长/步长（向上取整 eg:2.4取3）
VALID：（输入长-核长+1）/步长（向上取整）
卷积函数
tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=None,name=None)
#输入描述input:[batch,in_height,in_width,in_channels]
#卷积核描述
#filter:[filter_height,filter_width,in_channels,out_channels]
#strides步长：[1,x,y,1]
使用卷积提取图片轮廓
问题描述：将三通道图片显示并通过卷积提取一通道轮廓图
#sobel卷积核的手动输入，这里选用的是3x3的卷积核，
因为输入图片是三通道的，所以卷积核的每一个位置都扩展成三个
full=np.reshape(image,最后
以上就是害羞小兔子为你收集整理的卷积神经网络——解决参数太多的问题的全部内容，希望文章能够帮你解决卷积神经网络——解决参数太多的问题所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复