tensorflow 之tf.nn

2022-02-.简介

谷歌在2017年CVPR的论文“: deep with”中提出。

2.结构介绍

按通道对输入图像进行卷积,做1*1卷积。结构如下:

例如假设输入通道数为64,输出通道数为64.

方法的参数个数为3*3*64*64;而参数个数为3*3*64+1*1*64*64。

3*3*64:分别对输入的64个通道进行卷积

1*1*64*64:对接下来的64个通道进行1*1卷积()

结论:参数数量减少了32192个。

3.适用性

假设输入图像的空间位置与通道之间的关系相比高度相关。

源自深度可分离卷积

tf.nn.depthwise_conv2d(input,filter,strides,padding,rate=None,name=None,data_format=None)

去掉name参数指定操作的名称、指定数据格式、方法一共有五个参数:

结果返回一,形状为[batch, , , * ],注意这里的输出通道变成*

tf.nn.

可以看成是 tf.nn的扩展。

去掉name参数指定操作的名称,指定数据格式,和方法相关的一共六个参数:

p>

输出形状为 [batch, , , ]

类别:

技术要点:

相关文章:

© 版权声明
THE END
喜欢就支持一下吧
点赞14 分享
评论 抢沙发
头像
欢迎您留下宝贵的见解!
提交
头像

昵称

取消
昵称表情代码图片