如何理解张量的形状

时间:2017-02-18 10:54:58

标签: tensorflow

例如,这里是代码段

kernel = tf.get_variable('conv1_1_Weights', dtype=tf.float32, shape=[3, 3, 3, 64], initializer=initer)

我不明白张量的形状是什么意思?我如何理解内核的值等。

1 个答案:

答案 0 :(得分:0)

kernelshape=[3,3,3,64]的张量,意思是:

  • 3, 3 =内核宽度x内核高度
  • 3 =内核深度
  • 64 =内核数量3 x 3 x 64

这意味着每个内核都是一个卷3x3x3,你有64个。

内核深度等于内核与之卷积的输入深度:因此您可能会将其与RGB图像进行卷积。

这个3通道图像与64个内核3x3x3的卷积输出是一个深度为64的卷:每个卷积内核的一个特征映射。