对tensorflow中的strides参数使用详解
作者:ddy_sweety 时间:2022-06-12 06:00:38
在二维卷积函数tf.nn.conv2d(),最大池化函数tf.nn.max_pool(),平均池化函数
tf.nn.avg_pool()中,卷积核的移动步长都需要制定一个参数strides(步长),因为无论是卷积操作还是各种类型的池化操作,都是某种形式的滑动窗口(sliding window)处理,这就要求指定从当前窗口移动下一个窗口位置的移动步长。
TensorFlow 文档关于 strides的说明如下:
strides: A list of ints that has length >= 4. The stride of the sliding window for each dimension of the input tensor.
首先要求 strides 为长度不小于 4 的整数构成的 list,strides参数表示的是滑窗在输入张量各个维度上的移动步长。
如果strides=[b,h,w,c],其中strides[0]和strides[3]默认为1。
具体什么含义呢?
一般而言,对于输入张量(input tensor)有四维信息:[batch, height, width, channels](分别表示 batch_size, 也即样本的数目,单个样本的行数和列数,样本的频道数,rgb图像就是三维的,灰度图像则是一维),对于一个二维卷积操作而言,其主要作用在 height, width上。
strides参数确定了滑动窗口在各个维度上移动的步数。一种常用的经典设置就是要求,strides[0]=strides[3]=1。
strides[0]=1,表示在 batch 维度上移动为 1,指不跳过任何一个样本,每一个样本都会进行运算
strides[1] = 1,表示在高度上移动步长为1,这个可以自己设定,根据网络的结构合理调节
strides[2] = 1,表示在宽度上的移动步长为1,这个可以自己设定,根据网络的结构合理调节
strides[3] = 1,表示在 channels 维度上移动为 1,指不跳过任何一个颜色通道,每一个通道都会进行运算
来源:https://blog.csdn.net/ddy_sweety/article/details/80634579