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@)