在下面的代码中，我介绍了一个卷积和一个最大池池 . 汇集层的输出具有（4,6,6,1）的形状 . 现在我想定义第二个卷积层 . 第二个卷积层的输入是什么？我可以调用相同的conv2d函数吗？但这里的输入通道是不同的 .
batch_size = 4
image_height = 12
image_width =12
input_channel = 2
output_channel =1
input = tf.Variable(tf.random_normal([batch_size,image_height,image_width,input_channel]))
filter = tf.Variable(tf.random_normal([2,2,input_channel,output_channel]))
def conv2d(inputs,filters):
return tf.nn.conv2d(inputs,filters,strides=[1,1,1,1],padding='SAME')
def max_pool(conv_out):
return tf.nn.max_pool(conv_out,ksize=[1,2,2,1],strides=[1,2,2,1],padding='SAME')
conv_out1 = conv2d(input,filter)
pooling_out1= max_pool(conv_out1)
sess =tf.InteractiveSession()
sess.run(tf.initialize_all_variables())
print conv_out1.get_shape()
print pooling_out1.get_shape()
1 回答
您可以调用相同的conv2d函数，但希望使用不同的过滤器 .