TensorFlow中与卷积核有关的各参数的意义

　　以自带models中mnist的convolutional.py为例：

　　1.filter要与输入数据类型相同（float32或float64），四个参数为`[filter_height, filter_width, in_channels, out_channels]`，即卷积核的高/宽/输入通道数/输出通道数（feature map），如：[5, 5, NUM_CHANNELS, 32],  # 5x5 filter, depth 32.

　　2.strides为长度为4的一维int型矩阵，四个参数代表卷积核在输入数据四个维度上的步长。比如，strides=[1, 2, 2, 1] 即表示卷积核在“卷”一幅图片的时候，从左到右两个像素两个像素得“卷”，从上到下也是两个像素两个像素得“卷”，一个batch一个batch地“卷”，一个channel一个channel地“卷”（请原谅我孱弱的表达能力。。）。

　　3.padding有两种参数供选择，分别是SAME和VALID

TensorFlow中与卷积核有关的各参数的意义

原文：http://www.cnblogs.com/dcsds1/p/5203721.html