在二維卷積函數(shù)tf.nn.conv2d()，最大池化函數(shù)tf.nn.max_pool()，平均池化函數(shù)

tf.nn.avg_pool()中，卷積核的移動步長都需要制定一個參數(shù)strides（步長），因為無論是卷積操作還是各種類型的池化操作，都是某種形式的滑動窗口（sliding window）處理，這就要求指定從當前窗口移動下一個窗口位置的移動步長。

TensorFlow 文檔關于 strides的說明如下：

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 為長度不小于 4 的整數(shù)構成的 list，strides參數(shù)表示的是滑窗在輸入張量各個維度上的移動步長。

如果strides=[b,h,w,c]，其中strides[0]和strides[3]默認為1。

具體什么含義呢？

一般而言，對于輸入張量（input tensor）有四維信息：[batch, height, width, channels]（分別表示 batch_size, 也即樣本的數(shù)目，單個樣本的行數(shù)和列數(shù)，樣本的頻道數(shù)，rgb圖像就是三維的，灰度圖像則是一維），對于一個二維卷積操作而言，其主要作用在 height, width上。

strides參數(shù)確定了滑動窗口在各個維度上移動的步數(shù)。一種常用的經典設置就是要求，strides[0]=strides[3]=1。

strides[0]=1，表示在 batch 維度上移動為 1，指不跳過任何一個樣本，每一個樣本都會進行運算

strides[1] = 1，表示在高度上移動步長為1，這個可以自己設定，根據(jù)網絡的結構合理調節(jié)

strides[2] = 1，表示在寬度上的移動步長為1，這個可以自己設定，根據(jù)網絡的結構合理調節(jié)

strides[3] = 1，表示在 channels 維度上移動為 1，指不跳過任何一個顏色通道，每一個通道都會進行運算

以上這篇對tensorflow中的strides參數(shù)使用詳解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論