深度学习笔记1

卷积层的输出：

如果 W2 或者 H2 计算得到不为整数：

not an integer, indicating that the neurons don’t “fit” neatly and symmetrically across the input.

Therefore, this setting of the hyperparameters is considered to be invalid, and a ConvNet library could

throw an exception or zero pad the rest to make it fit, or crop the input to make it fit, or something. >>

使用 tf.nn.conv2d 或 tf.layers.conv2d 作为卷积函数，当不为整时根据 padding ”取值（默认为 valid”）由下计算：

上述公式池化也适用。

比如 DQN 解决 Flappy bird 中的 DQN 网络，其中卷积和池化用到的函数 padding=”same”，可依次得到每后一层的 size。 >>

h_conv1 = tf.nn.relu(h1)

若使用 tf.layers.conv2d：

h_conv1 = tf.layers.conv2d(input, 32, 8, strides=4, padding = "SAME", activation=tf.nn.relu) 或补全：

h_conv1 = tf.layers.conv2d(input, 32, (8, 8), strides=(4, 4), padding = "SAME", activation=tf.nn.relu)