目的

將用戶自定義的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 tfimport numpy as npsess = 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}))

以上這篇tensorflow 實(shí)現(xiàn)自定義layer并添加到計(jì)算圖中就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持武林站長(zhǎng)站。