Tensorflow学习笔记——深入MNIST

TensorFlow的中文文档的深入MNIST中的【构建一个多层卷积网络】开始

个人理解：

1.    卷积

卷积层的四个参数：

F:滤波器尺寸

S:步长

K:滤波器个数（一般选择2的幂指数倍）

P:填补

a)      原文：【我们的卷积使用1步长（stride size），0边距（paddingsize）的模板，保证输出和输入是同一个大小。】

tensorflow中conv2d的"padding"参数可以设为两个值SAME，VALID

SAME: edge_row = (kernel_row - 1) / 2;  edge_cols = (kernel_cols - 1) / 2; 

VALID:edge_row = edge_cols = 0;  

edge_row就是边的行数，kernel_row就是卷积核的行数

Padding size选择为’SAME’就表示会用0填充。中文翻译为0边距，有点问题。所以当选择SAME时P=(5-1)/2=2

b)     原文：【卷积在每个5x5的patch中算出32个特征。卷积的权重张量形状是[5, 5, 1, 32]，前两个维度是patch的大小，接着是输入的通道数目，最后是输出的通道数目。】

表示卷积核大小是5x5，一共有32个这样的滤波器。

计算公式：

Input : W1*H1*D1  28*28*1

Output :W2*H2*D2 

W2=(W1-F+2P)/S+1 H2=(H1-F+2P)/S+1  D2=K

基本使用里提到Tensorflow使用tensor表示数据，Tensor是一个类型化的多维数组，相当于常规的程序数据。可以将一小组图像集表示为一个四维浮点数数组。这四个维度分别是[batch, height, width, channels]

所以这句

原文：【为了用这一层，我们把x变成一个4d向量，其第2、第3维对应图片的宽、高，最后一维代表图片的颜色通道数(因为是灰度图所以这里的通道数为1，如果是rgb彩色图，则为3)】

x_image =tf.reshape(x, [-1,28,28,1])

中的-1会不会就对应batch，batch=-1又是什么意思暂时没搞明白【有网友回复说-1表示这个维度的值是根据其他几个维度值计算出来的】

2．池化

      大小2x2，步长2所以空间尺寸会在池化层减小一半

Max pooling后output大小为14*14*32

输出图像的参数D只与滤波器个数K有关系，所以第二层卷积应该是采用了64个5*5大小的卷积核。

第二次池化后输出图像的大小为7*7*64