关于CNN中卷积层和池化层的样例

文章预览

最近在通过《TensorFlow：实战Google深度学习框架》来学习TensorFlow的用法。 读到第6章《图像识别与卷积神经网络》，发现书中关于卷积层（convolutional layer）和池化层（pooling layer）的代码看不懂，这里找了Hands-on Machine Learning with Scikit-Learn and TensorFlow中第13章CNN的代码。 import tensorflow as tf import numpy as np from sklearn.datasets import load_sample_images import matplotlib.pyplot as plt # Load sample images dataset = np.array(load_sample_images().images, dtype=np.float32) batch_size, height, width, channels = dataset.shape # dataset.shape = (2, 427, 640, 3) —— 2张427*640的图片，图片信息有3层 # 创建一个两层的过滤器 # filters的权重是一个4维矩阵（张量），前两个参数代表过滤器的尺寸(7*7) # 第三个维度表示当前层的深度，第四个维度表示过滤器的深度 filters = np.zeros(shape=(7, 7, channels, 2), dtype=np.float32) filters[:, 3, :, 0] = ………………………………