我是卷积神经网络和Tensorflow的新手，我需要用更多参数实现转换层：
转化率。 layer1：filter = 11，channel = 64，stride = 4，Relu。
API如下：
tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)
我明白，大步是什么，在我的情况下它应该是[1,4,4,1]。但我不明白，我应该如何传递过滤器参数和填充。 有人可以帮忙吗？
答案 0 :(得分：4)
首先，您需要创建一个过滤变量：
W = tf.Variable(tf.truncated_normal(shape = [11, 11, 3, 64], stddev = 0.1), tf.float32)
形状参数的前两个字段代表过滤器大小，第三个是输入通道数（我猜您的图像有3个通道），第四个是输出通道数。
现在卷积层的输出可以按如下方式计算：
conv1 = tf.nn.conv2d(input, W, strides = [1, 4, 4, 1], padding = 'SAME')，其中padding = 'SAME'代表零填充，因此图像大小保持不变，输入的大小应为[batch，size1，size2,3]。
ReLU应用非常简单：
conv1 = tf.nn.relu(conv1)