张力流量：设定重量尺寸（解释）

Question

我无法理解以下代码：

'W_conv1': tf.Variable(tf.random_normal([5, 5, 1, 32]))

这是我的第一个卷积层（来自here的tutoral）。我理解CNN很好......但是这段代码基本上是创建5x5过滤器（或局部感受域）而32是卷积深度（所以32个不同的过滤器，具有不同的权重）？ 但是如何解释32中的'W_conv2': tf.Variable(tf.random_normal([5, 5, 32, 64]))？

Answer 1

  

＆＃39; W_conv2＆＃39;：tf.Variable（tf.random_normal（[5,5,32,64]））？

这里32是input_channels的数量（前一层的num过滤器）

一般来说，体重形状如下：

[filter_height, filter_width, input_channels, output_channels]

对于第一层'W_conv1': tf.Variable(tf.random_normal([5, 5, 1, 32]))，input_channels是输入的通道数。 （1表示灰度图像，3表示RGB图像）