目的

10年積累的網(wǎng)站制作、做網(wǎng)站經(jīng)驗，可以快速應(yīng)對客戶對網(wǎng)站的新想法和需求。提供各種問題對應(yīng)的解決方案。讓選擇我們的客戶得到更好、更有力的網(wǎng)絡(luò)服務(wù)。我雖然不認(rèn)識你，你也不認(rèn)識我。但先網(wǎng)站設(shè)計后付款的網(wǎng)站建設(shè)流程，更有河池免費網(wǎng)站建設(shè)讓你可以放心的選擇與我們合作。

將用戶自定義的layer結(jié)合tensorflow自帶的layer組成多層layer的計算圖。

實現(xiàn)功能

對2D圖像進行滑動窗口平均，并通過自定義的操作layer返回結(jié)果。

import tensorflow as tf
import numpy as np
sess = tf.Session()

#將size設(shè)為[1, 4, 4, 1]是因為tf中圖像函數(shù)是處理四維圖片的。
#這四維依次是： 圖片數(shù)量，高度， 寬度， 顏色通道
x_shape = [1,4,4,1]
x_val = np.random.uniform(size = x_shape)


#tf.nn.conv2d中name表明該layer命名為“Moving_Avg_Window”
#該卷積核為[[0.25,0.25],[0.25,0.25]],所以是一個求平均操作
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')


#自定義layer，對卷積操作之后的輸出做操作
def custom_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))
#把剛剛自定義的layer加入到計算圖中，并給予自定義的命名(利用tf.name_scope())
with tf.name_scope('Custom_Layer') as scope:
  custom_layer1 = custom_layer(mov_avg_layer)


#為占位符傳入4*4圖片，并執(zhí)行計算圖
print(sess.run(custom_layer, feed_dict= {x_data: x_val}))

分享題目：tensorflow實現(xiàn)自定義layer并添加到計算圖中-創(chuàng)新互聯(lián)
文章URL：http://weahome.cn/article/esidg.html