tf.nn.conv2d与tf.layers.conv2d的区别及说明

tf.nn.conv2d与tf.layers.conv2d的区别

在写CNN中注意到Tensorflow目前有tf.nn.conv2d和tf.layers.conv2d这两个很相似的api.

tf.nn.conv2d， 需要自行传入初始化好的filter（四个维度），在初始化filter或者说Weights中，已经手动选择了初始化方案，一般用的是tf.truncated_nORMal。另外tf.nn.conv2d中激活函数需要另外写。

而在tf.layers.conv2d中，只要写入n和size，参数列表中kernel_initializer默认是None， 不清楚这里的参数是如何初始化的？ tf.layers.conv2d中，激活函数是一个参数，不需要另外调用。

问过大神，大神答曰：一般推荐使用tf.layers.下面的函数，用起来方便。但是在tf2.0里，tf.layers.下面的API也都被遗弃了，tf2.0推荐使用keras.layers下面的API。

tf.nn.conv2d

tf.layers.conv2d

tf.nn.conv2d和tf.layers.conv2d的学习

看了很多tensorflow卷积的例子，有的用了tf.nn.conv2d，有的用了tf.layers.conv2d，那么这两个究竟有啥不同呢？

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)

对于卷积来说，作用是一样的。tf.layers.conv2d 使用tf.nn.convolution作为后端。

一个参数要注意一下：

• filter：是一个４维张量，其type必须和输入一样，

[filter_height, filter_width, in_channels, out_channels]

• filters：一个整数，输出空间的维度，也就是卷积核的数量。

tf.layers.conv2d参数丰富，一般用于从头训练一个模型。

tf.nn.conv2d，一般在下载预训练好的模型时使用。

所以，喜欢哪个就用哪个咯。

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持。