我一直在从各种教程中学习 Tensorflow，并且想知道是否可以定义一个自定义过滤器供卷积网络使用。例如，如果我知道特征中有有意义的结构，使得每个其他特征都是相关的，我想定义一个看起来像 [0 1 0 1 0 1] 的过滤器。
tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)
到目前为止我见过的所有示例都使用：
tf.random_normal
or
tf.truncated_normal
对于过滤器参数。我可以将 [0 1 0 1] 放入过滤器参数中吗？这对我来说有意义吗？
你当然可以！您可以将任何您喜欢的（浮点）值放入卷积滤波器中。
然而，通常卷积滤波器中的值是变量Tensorflow 在训练期间学习其值，而不是常量。 “tf.random_normal”和“tf.truncated_normal”值仅用于设置滤波器的初始值。这些变量的值将在训练期间通过梯度下降算法进行更新。
有关使用卷积神经网络进行训练的示例，请查看此处的教程：https://www.tensorflow.org/versions/r0.9/tutorials/deep_cnn/index.html https://www.tensorflow.org/versions/r0.9/tutorials/deep_cnn/index.html
希望有帮助！
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
