作者：凌逆戰
地址：https://www.cnblogs.com/LXP-Never/p/10763804.html
在看這兩個函數之前，我們需要先了解一維卷積(conv1d)和二維卷積(conv2d)，二維卷積是將一個特征圖在width和height兩個方向進行滑動窗口操作，對應位置進行相乘求和；而一維卷積則只是在width或者height方向上進行滑動窗口並相乘求和。
一維卷積：tf.layers.conv1d()
一維卷積常用於序列數據，如自然語言處理領域。
tf.layers.conv1d( inputs, filters, kernel_size, strides=1, padding='valid', data_format='channels_last', dilation_rate=1, activation=None, use_bias=True, kernel_initializer=None, bias_initializer=tf.zeros_initializer(), kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None, trainable=True, name=None, reuse=None )
參數：[1]
- inputs：張量數據輸入，一般是[batch, width, length]
- filters：整數，輸出空間的維度，可以理解為卷積核(濾波器)的個數
kernel_size：單個整數或元組/列表，指定1D(一維，一行或者一列)卷積窗口的長度。- strides：單個整數或元組/列表，指定卷積的步長，默認為1
- padding："SAME" or "VALID" (不區分大小寫)是否用0填充，
-
- SAME用0填充；
- VALID不使用0填充，舍去不匹配的多余項。
-
- activation：激活函數
- ues_bias：該層是否使用偏差
- kernel_initializer：卷積核的初始化
- bias_initializer：偏置向量的初始化器
- kernel_regularizer：卷積核的正則化項
- bias_regularizer：偏置的正則化項
- activity_regularizer：輸出的正則化函數
- reuse：Boolean，是否使用相同名稱重用前一層的權重
- trainable：Boolean，如果True，將變量添加到圖collection中
- data_format：一個字符串，一個channels_last（默認）或channels_first。輸入中維度的排序。
-
- channels_last：對應於形狀的輸入(batch, length, channels)
- channels_first：對應於形狀輸入(batch, channels, length)
-
- name = 取一個名字
返回值：
一維卷積后的張量，
例子
import tensorflow as tf x = tf.get_variable(name="x", shape=[32, 512, 1024], initializer=tf.zeros_initializer) x = tf.layers.conv1d( x, filters=1, # 輸出的第三個通道是1 kernel_size=512, # 不用管它是多大，都不影響輸出的shape strides=1, padding='same', data_format='channels_last', dilation_rate=1, use_bias=True, bias_initializer=tf.zeros_initializer()) print(x) # Tensor("conv1d/BiasAdd:0", shape=(32, 512, 1), dtype=float32)
解析：
- 輸入數據的維度為[batch, data_length, data_width]=[32, 512, 1024]，一般輸入數據input第一維為batch_size，此處為32，意味着有32個樣本，第二維度和第三維度分別表示輸入的長和寬（512，1024）
- 一維卷積核是二維的，也有長和寬，長為卷積核的數量kernel_size=512，因為卷積核的數量只有一個，所以寬為輸入數據的寬度data_width=1024，所以一維卷積核的shape為[512,1024]
- filteres是卷積核的個數，即輸出數據的第三維度。filteres=1，第三維度為1
- 所以卷積后的輸出數據大小為[32, 512, 1]
二維卷積：tf.layers.conv2d()
二維卷積常用於計算機視覺、圖像處理領域
tf.layers.conv2d( inputs, filters, kernel_size, strides=(1, 1), padding='valid', data_format='channels_last', dilation_rate=(1, 1), activation=None, use_bias=True, kernel_initializer=None, bias_initializer=tf.zeros_initializer(), kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None, trainable=True, name=None, reuse=None )
參數：[4]
inputs：張量輸入。一般是[batch, width, length，channel]filters：整數，輸出空間的維度，可以理解為卷積核(濾波器)的個數kernel_size：2個整數或元組/列表，指定2D卷積窗口的高度和寬度。可以是單個整數，以指定所有空間維度的相同值。strides：2個整數或元組/列表，指定卷積沿高度和寬度方向的步幅。可以是單個整數，以指定所有空間維度的相同值。- padding："SAME" or "VALID" (不區分大小寫)是否用0填充，
-
- SAME用0填充；
- VALID不使用0填充，舍去不匹配的多余項。
-
data_format：字符串，"channels_last"（默認）或"channels_first"。輸入中維度的排序。-
channels_last：對應於具有形狀的輸入，(batch, height, width, channels)channels_first：對應於具有形狀的輸入(batch, channels, height, width)
-
activation：激活函數use_bias：Boolean， 該層是否使用偏差項kernel_initializer：卷積核的初始化bias_initializer： 偏置向量的初始化。如果為None，將使用默認初始值設定項kernel_regularizer：卷積核的正則化項bias_regularizer： 偏置矢量的正則化項activity_regularizer：輸出的正則化函數trainable：Boolean，如果True，將變量添加到圖collection中name：圖層的namereuse：Boolean，是否使用相同名稱重用前一層的權重
返回：
二維卷積后的張量
例子：
import tensorflow as tf x = tf.get_variable(name="x", shape=[1, 3, 3, 5], initializer=tf.zeros_initializer) x = tf.layers.conv2d( x, filters=1, # 結果的第三個通道是1 kernel_size=[1, 1], # 不用管它是多大，都不影響輸出的shape strides=[1, 1], padding='same', data_format='channels_last', use_bias=True, bias_initializer=tf.zeros_initializer()) print(x) # shape=(1, 3, 3, 1)
解析：
- input輸入是1張 3*3 大小的圖片，圖像通道數是5，輸入shape=(batch, data_length， data_width， data_channel）
- kernel_size卷積核shape是 1*1，數量filters是1strides步長是[1,1]，第一維和第二維分別為長度方向和寬度方向的步長 = 1。
- 最后輸出的shape為[1,3,3,1] 的張量，即得到一個3*3的feature map（batch，長，寬，輸出通道數）
- 長和寬只和strides有關，最后一個維度 = filters。
卷積層中的輸出大小計算
設輸入圖片大小W，Filter大小F*F，步長為S，padding為P，輸出圖片的大小為N：
$$N=\frac{W-F+2P}{S}+1$$
向下取整后再加1。
在Tensoflow中，Padding有2個選型，'SAME'和'VALID' ，下面舉例說明差別：
如果 Padding='SAME'，輸出尺寸為： W / S（向上取整）
import tensorflow as tf input_image = tf.get_variable(shape=[64, 32, 32, 3], dtype=tf.float32, name="input", initializer=tf.zeros_initializer) conv0 = tf.layers.conv2d(input_image, 64, kernel_size=[3, 3], strides=[2, 2], padding='same') # 32/2=16 conv1 = tf.layers.conv2d(input_image, 64, kernel_size=[5, 5], strides=[2, 2], padding='same') # kernel_szie不影響輸出尺寸 print(conv0) # shape=(64, 16, 16, 64) print(conv1) # shape=(64, 16, 16, 64)
如果 Padding='VALID'，輸出尺寸為：(W - F + 1) / S
import tensorflow as tf input_image = tf.get_variable(shape=[64, 32, 32, 3], dtype=tf.float32, name="input", initializer=tf.zeros_initializer) conv0 = tf.layers.conv2d(input_image, 64, kernel_size=[3, 3], strides=[2, 2], padding='valid') # (32-3+1)/2=15 conv1 = tf.layers.conv2d(input_image, 64, kernel_size=[5, 5], strides=[2, 2], padding='valid') # (32-5+1)/2=14 print(conv0) # shape=(64, 15, 15, 64) print(conv1) # shape=(64, 14, 14, 64)
1x1卷積核的作用，加深一層網絡，提取更深特征，數據變維，
有效卷積(valid)、同維卷積(same)、完全卷積(full)
a = [1 2 3 4 5] 原數組
b = [8 7 6] 卷積核數組 kernel
使用b作為卷積核對a數組做一維卷積運算的過程如下：
原數組： 0 0 1 2 3 4 5 0 0 卷積數組： 6 7 8 6 7 8 6 7 8 6 7 8 6 7 8 6 7 8 6 7 8 ------------------------------------- 結果： 44 65 86 有效卷積 (valid) 23 44 65 86 59 同維卷積 (same) 8 23 44 65 86 59 30 完全卷積 (full)
參考文獻：
[1] tensorflow官方API tf.layers.conv1d
[2] tf.layers.conv1d函數解析（一維卷積）
[3] tf.layer.conv1d、conv2d、conv3d
[4] tensorflow官方API tf.layers.conv2d
import tensorflow as tf # case 2 input = tf.Variable(tf.random_normal([1, 3, 3, 5])) filter = tf.Variable(tf.random_normal([1, 1, 5, 1])) op2 = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding='VALID') # (1, 3, 3, 1) # case 3 input = tf.Variable(tf.random_normal([1, 3, 3, 5])) filter = tf.Variable(tf.random_normal([3, 3, 5, 1])) op3 = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding='VALID') # (1, 1, 1, 1) # case 4 input = tf.Variable(tf.random_normal([1, 5, 5, 5])) filter = tf.Variable(tf.random_normal([3, 3, 5, 1])) op4 = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding='VALID') # (1, 3, 3, 1) # case 5 input = tf.Variable(tf.random_normal([1, 5, 5, 5])) filter = tf.Variable(tf.random_normal([3, 3, 5, 1])) op5 = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding='SAME') # (1, 5, 5, 1) # case 6 input = tf.Variable(tf.random_normal([1, 5, 5, 5])) filter = tf.Variable(tf.random_normal([3, 3, 5, 7])) op6 = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding='SAME') # (1, 5, 5, 7) # case 7 input = tf.Variable(tf.random_normal([1, 5, 5, 5])) filter = tf.Variable(tf.random_normal([3, 3, 5, 7])) op7 = tf.nn.conv2d(input, filter, strides=[1, 2, 2, 1], padding='SAME') # (1, 3, 3, 7) # case 8 input = tf.Variable(tf.random_normal([10, 5, 5, 5])) filter = tf.Variable(tf.random_normal([3, 3, 5, 7])) op8 = tf.nn.conv2d(input, filter, strides=[1, 2, 2, 1], padding='SAME') # (10, 3, 3, 7) init = tf.global_variables_initializer() with tf.Session() as sess: sess.run(init) print("case 2") print(sess.run(op2).shape) # (1, 3, 3, 1) print("case 3") print(sess.run(op3).shape) # (1, 1, 1, 1) print("case 4") print(sess.run(op4).shape) # (1, 3, 3, 1) print("case 5") print(sess.run(op5).shape) # (1, 5, 5, 1) print("case 6") print(sess.run(op6).shape) # (1, 5, 5, 7) print("case 7") print(sess.run(op7).shape) # (1, 3, 3, 7) print("case 8") print(sess.run(op8).shape) # (10, 3, 3, 7)