tensorflow 实现自定义layer并添加到计算图中
目的
将用户自定义的layer结合tensorflow自带的layer组成多层layer的计算图。
实现功能
对2D图像进行滑动窗口平均，并通过自定义的操作layer返回结果。
importtensorflowastf
importnumpyasnp
sess=tf.Session()
#将size设为[1,4,4,1]是因为tf中图像函数是处理四维图片的。
#这四维依次是：图片数量，高度，宽度，颜色通道
x_shape=[1,4,4,1]
x_val=np.random.uniform(size=x_shape)
#tf.nn.conv2d中name表明该layer命名为“Moving_Avg_Window”
#该卷积核为[[0.25,0.25],[0.25,0.25]],所以是一个求平均操作
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')
#自定义layer，对卷积操作之后的输出做操作
defcustom_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))
#把刚刚自定义的layer加入到计算图中，并给予自定义的命名(利用tf.name_scope())
withtf.name_scope('Custom_Layer')asscope:
custom_layer1=custom_layer(mov_avg_layer)
#为占位符传入4*4图片，并执行计算图
print(sess.run(custom_layer,feed_dict={x_data:x_val}))
以上这篇tensorflow实现自定义layer并添加到计算图中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。