tf.nn.conv2d與tf.layers.conv2d的區別是什么

這篇文章主要講解了“tf.nn.conv2d與tf.layers.conv2d的區別是什么”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“tf.nn.conv2d與tf.layers.conv2d的區別是什么”吧！

tf.nn.conv2d與tf.layers.conv2d的區別

在寫CNN中注意到tensorflow目前有tf.nn.conv2d和tf.layers.conv2d這兩個很相似的API.

tf.nn.conv2d， 需要自行傳入初始化好的filter（四個維度），在初始化filter或者說Weights中，已經手動選擇了初始化方案，一般用的是tf.truncated_normal。另外tf.nn.conv2d中激活函數需要另外寫。

而在tf.layers.conv2d中，只要寫入n和size，參數列表中kernel_initializer默認是None， 不清楚這里的參數是如何初始化的？ tf.layers.conv2d中，激活函數是一個參數，不需要另外調用。

一般推薦使用tf.layers.下面的函數，用起來方便。但是在tf2.0里，tf.layers.下面的API也都被遺棄了，tf2.0推薦使用keras.layers下面的API。

tf.nn.conv2d

tf.layers.conv2d

tf.nn.conv2d和tf.layers.conv2d的學習

看了很多tensorflow卷積的例子，有的用了tf.nn.conv2d，有的用了tf.layers.conv2d，那么這兩個究竟有啥不同呢？

tf.layers.conv2d(inputs, filters, kernel_size, strides=(1,1),

                       padding='valid', data_format='channels_last',
                　　　 dilation_rate=(1,1), activation=None,
                　　　 use_bias=True, kernel_initializer=None,
                　　　 bias_initializer=init_ops.zeros_initializer(),
                　　　 kernel_regularizer=None,
                　　　 bias_regularizer=None,
                　　　 activity_regularizer=None, trainable=True,
                　　　 name=None, reuse=None)

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)

對于卷積來說，作用是一樣的。tf.layers.conv2d 使用tf.nn.convolution作為后端。

一個參數要注意一下：

• filter：是一個４維張量，其type必須和輸入一樣，

[filter_height, filter_width, in_channels, out_channels]

• filters：一個整數，輸出空間的維度，也就是卷積核的數量。

tf.layers.conv2d參數豐富，一般用于從頭訓練一個模型。

tf.nn.conv2d，一般在下載預訓練好的模型時使用。

感謝各位的閱讀，以上就是“tf.nn.conv2d與tf.layers.conv2d的區別是什么”的內容了，經過本文的學習后，相信大家對tf.nn.conv2d與tf.layers.conv2d的區別是什么這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！