对tensorflow中的strides参数使用详解
在二维卷积函数tf.nn.conv2d()，最大池化函数tf.nn.max_pool()，平均池化函数
tf.nn.avg_pool()中，卷积核的移动步长都需要制定一个参数strides（步长），因为无论是卷积操作还是各种类型的池化操作，都是某种形式的滑动窗口（slidingwindow）处理，这就要求指定从当前窗口移动下一个窗口位置的移动步长。
TensorFlow文档关于strides的说明如下：
strides:Alistofintsthathaslength>=4.Thestrideoftheslidingwindowforeachdimensionoftheinputtensor.
首先要求strides为长度不小于4的整数构成的list，strides参数表示的是滑窗在输入张量各个维度上的移动步长。
如果strides=[b,h,w,c]，其中strides[0]和strides[3]默认为1。
具体什么含义呢？
一般而言，对于输入张量（inputtensor）有四维信息：[batch,height,width,channels]（分别表示batch_size,也即样本的数目，单个样本的行数和列数，样本的频道数，rgb图像就是三维的，灰度图像则是一维），对于一个二维卷积操作而言，其主要作用在height,width上。
strides参数确定了滑动窗口在各个维度上移动的步数。一种常用的经典设置就是要求，strides[0]=strides[3]=1。
strides[0]=1，表示在batch维度上移动为1，指不跳过任何一个样本，每一个样本都会进行运算
strides[1]=1，表示在高度上移动步长为1，这个可以自己设定，根据网络的结构合理调节
strides[2]=1，表示在宽度上的移动步长为1，这个可以自己设定，根据网络的结构合理调节
strides[3]=1，表示在channels维度上移动为1，指不跳过任何一个颜色通道，每一个通道都会进行运算
以上这篇对tensorflow中的strides参数使用详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。