TensorFlow的中文文檔的深入MNIST中的【構建一個多層卷積網絡】開始

個人理解：

1.    卷積

卷積層的四個參數：

F:濾波器尺寸

S:步長

K:濾波器個數（一般選擇2的冪指數倍）

P:填補

a)      原文：【我們的卷積使用1步長（stride size），0邊距（paddingsize）的模板，保證輸出和輸入是同一個大小。】

tensorflow中conv2d的"padding"參數可以設為兩個值SAME，VALID

SAME: edge_row = (kernel_row - 1) / 2;  edge_cols = (kernel_cols - 1) / 2; 

VALID:edge_row = edge_cols = 0;  

edge_row就是邊的行數，kernel_row就是卷積核的行數

Padding size選擇為’SAME’就表示會用0填充。中文翻譯為0邊距，有點問題。所以當選擇SAME時P=(5-1)/2=2

b)     原文：【卷積在每個5x5的patch中算出32個特征。卷積的權重張量形狀是[5, 5, 1, 32]，前兩個維度是patch的大小，接著是輸入的通道數目，最后是輸出的通道數目?！?/p>

表示卷積核大小是5x5，一共有32個這樣的濾波器。

計算公式：

Input : W1*H1*D1  28*28*1

Output :W2*H2*D2 

W2=(W1-F+2P)/S+1 H2=(H1-F+2P)/S+1  D2=K

基本使用里提到Tensorflow使用tensor表示數據，Tensor是一個類型化的多維數組，相當于常規的程序數據?？梢詫⒁恍〗M圖像集表示為一個四維浮點數數組。這四個維度分別是[batch, height, width, channels]

所以這句

原文：【為了用這一層，我們把x變成一個4d向量，其第2、第3維對應圖片的寬、高，最后一維代表圖片的顏色通道數(因為是灰度圖所以這里的通道數為1，如果是rgb彩色圖，則為3)】

x_image =tf.reshape(x, [-1,28,28,1])

中的-1會不會就對應batch，batch=-1又是什么意思暫時沒搞明白【有網友回復說-1表示這個維度的值是根據其他幾個維度值計算出來的】

2．池化

      大小2x2，步長2所以空間尺寸會在池化層減小一半

Max pooling后output大小為14*14*32

輸出圖像的參數D只與濾波器個數K有關系，所以第二層卷積應該是采用了64個5*5大小的卷積核。

第二次池化后輸出圖像的大小為7*7*64