參考網站1 參考網站2

CNN流程

卷積層

def conv2d(x, W):
    return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding = 'SAME')
    x_image = tf.reshape(x, [-1, 28, 28, 1])							 
    W_conv1 = weight_variable([5, 5, 1, 32])							
    b_conv1 = bias_variable([32])										 
    result = conv2d(x_image, W_conv1) + b_conv1) 						 

strides的１是指每次移動一格


padding＝same 是輸出保持原來大小，因此會在原始像素周圍加0輸出後像素大小就一樣了。

X_image的格式第一個是圖片張數-1是不限定一次進來training的張數。第二．三個是指像素28x28，最後一個因為是灰階選１如果是彩色rgb選3。第三行是filter，5x5像素的灰階選1，最後用32個feature。最後一個是bias選一非負數即可。

來看前16個filter掃過數字7的示意圖與結果～

今天先寫到這裡，明天來認識max pooling~