目的

10年積累的網(wǎng)站制作、做網(wǎng)站經(jīng)驗(yàn)，可以快速應(yīng)對(duì)客戶(hù)對(duì)網(wǎng)站的新想法和需求。提供各種問(wèn)題對(duì)應(yīng)的解決方案。讓選擇我們的客戶(hù)得到更好、更有力的網(wǎng)絡(luò)服務(wù)。我雖然不認(rèn)識(shí)你，你也不認(rèn)識(shí)我。但先網(wǎng)站設(shè)計(jì)后付款的網(wǎng)站建設(shè)流程，更有河池免費(fèi)網(wǎng)站建設(shè)讓你可以放心的選擇與我們合作。

將用戶(hù)自定義的layer結(jié)合tensorflow自帶的layer組成多層layer的計(jì)算圖。

實(shí)現(xiàn)功能

對(duì)2D圖像進(jìn)行滑動(dòng)窗口平均，并通過(guò)自定義的操作layer返回結(jié)果。

import tensorflow as tf
import numpy as np
sess = tf.Session()

#將size設(shè)為[1, 4, 4, 1]是因?yàn)閠f中圖像函數(shù)是處理四維圖片的。
#這四維依次是： 圖片數(shù)量，高度， 寬度， 顏色通道
x_shape = [1,4,4,1]
x_val = np.random.uniform(size = x_shape)


#tf.nn.conv2d中name表明該layer命名為“Moving_Avg_Window”
#該卷積核為[[0.25,0.25],[0.25,0.25]],所以是一個(gè)求平均操作
x_data = tf.placeholder(tf.float32, shape = x_shape)
my_filter = tf.constant(0.25, shape = [2,2,1,1])
my_strides = [1,2,2,1]
mov_avg_layer = tf.nn.conv2d(x_data, my_filter, my_strides, padding = 'SAME', name = 'Moving_Avg_Window')


#自定義layer，對(duì)卷積操作之后的輸出做操作
def custom_layer(input_matrix):
  input_matrix_sqeeze = tf.squeeze(input_matrix)
  A = tf.constant([1.,2.],[-1.,3.])
  b = tf.constant(1., shape = [2,2])
  temp1 = tf.matmul(A, input_matrix_sqeeze)
  temp2 = tf.add(temp1, b)
  return(tf.sigmod(temp2))
#把剛剛自定義的layer加入到計(jì)算圖中，并給予自定義的命名(利用tf.name_scope())
with tf.name_scope('Custom_Layer') as scope:
  custom_layer1 = custom_layer(mov_avg_layer)


#為占位符傳入4*4圖片，并執(zhí)行計(jì)算圖
print(sess.run(custom_layer, feed_dict= {x_data: x_val}))

分享標(biāo)題：tensorflow實(shí)現(xiàn)自定義layer并添加到計(jì)算圖中-創(chuàng)新互聯(lián)
本文來(lái)源：http://m.2m8n56k.cn/article16/esidg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站建設(shè)、自適應(yīng)網(wǎng)站、搜索引擎優(yōu)化、域名注冊(cè)、全網(wǎng)營(yíng)銷(xiāo)推廣、微信公眾號(hào)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀(guān)點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話(huà)：028-86922220；郵箱：[email protected]。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)