tf.nn.conv2d在tensorflow中做了什么？

这对每个图像独立执行相同的操作,给出一堆10个图像作为结果(大小10x3x3x7)

2D卷积的计算方法与计算1D卷积的方式类似:在输入上滑动内核,计算元素乘法并将它们相加.但是代替你的内核/输入是一个数组,这里它们是矩阵.

在最基本的示例中,没有填充和stride = 1.让我们假设你的input和kernel有:

使用内核时,您将收到以下输出: ,按以下方式计算:

14 = 4*1 + 3*0 + 1*1 + 2*2 + 1*1 + 0*0 + 1*0 + 2*0 + 4*1

6 = 3*1 + 1*0 + 0*1 + 1*2 + 0*1 + 1*0 + 2*0 + 4*0 + 1*1

6 = 2*1 + 1*0 + 0*1 + 1*2 + 2*1 + 4*0 + 3*0 + 1*0 + 0*1

12 = 1*1 + 0*0 + 1*1 + 2*2 + 4*1 + 1*0 + 1*0 + 0*0 + 2*1

TF的conv2d函数分批计算卷积并使用稍微不同的格式.对于输入,它是[batch, in_height, in_width, in_channels]针对内核的[filter_height, filter_width, in_channels, out_channels].所以我们需要以正确的格式提供数据:

import tensorflow as tf
k = tf.constant([
    [1, 0, 1],
    [2, 1, 0],
    [0, 0, 1]
], dtype=tf.float32, name='k')
i = tf.constant([
    [4, 3, 1, 0],
    [2, 1, 0, 1],
    [1, 2, 4, 1],
    [3, 1, 0, 2]
], dtype=tf.float32, name='i')
kernel = tf.reshape(k, [3, 3, 1, 1], name='kernel')
image  = tf.reshape(i, [1, 4, 4, 1], name='image')

然后通过以下方式计算卷积:

res = tf.squeeze(tf.nn.conv2d(image, kernel, [1, 1, 1, 1], "VALID"))
# VALID means no padding
with tf.Session() as sess:
   print sess.run(res)

并且将等同于我们手工计算的那个.

有关填充/跨步的示例,请查看此处.

只是为了添加其他答案,你应该考虑参数

filter = tf.Variable(tf.random_normal([3,3,5,7]))

因为'5'对应于每个滤波器中的信道数.每个滤镜都是一个3d立方体,深度为5.滤镜深度必须与输入图像的深度相对应.最后一个参数7应该被认为是批次中的过滤器数量.只是忘记这是4D,而是想象你有一组或一批7个过滤器.你要做的是创建7个尺寸为(3,3,5)的滤镜立方体.

在傅里叶域中可视化要容易得多,因为卷积成为逐点乘法.对于尺寸(100,100,3)的输入图像,您可以将过滤器尺寸重写为

filter = tf.Variable(tf.random_normal([100,100,3,7]))

为了获得7个输出特征映射中的一个,我们简单地执行滤波器立方体与图像立方体的逐点乘法,然后我们将通道/深度维度(这里是3)的结果相加,折叠到2d (100,100)特征图.对每个滤镜立方体执行此操作,您将获得7个2D要素贴图.

我试图实施conv2d(我的学习).好吧,我写道:

def conv(ix, w):
   # filter shape: [filter_height, filter_width, in_channels, out_channels]
   # flatten filters
   filter_height = int(w.shape[0])
   filter_width = int(w.shape[1])
   in_channels = int(w.shape[2])
   out_channels = int(w.shape[3])
   ix_height = int(ix.shape[1])
   ix_width = int(ix.shape[2])
   ix_channels = int(ix.shape[3])
   filter_shape = [filter_height, filter_width, in_channels, out_channels]
   flat_w = tf.reshape(w, [filter_height * filter_width * in_channels, out_channels])
   patches = tf.extract_image_patches(
       ix,
       ksizes=[1, filter_height, filter_width, 1],
       strides=[1, 1, 1, 1],
       rates=[1, 1, 1, 1],
       padding='SAME'
   )
   patches_reshaped = tf.reshape(patches, [-1, ix_height, ix_width, filter_height * filter_width * ix_channels])
   feature_maps = []
   for i in range(out_channels):
       feature_map = tf.reduce_sum(tf.multiply(flat_w[:, i], patches_reshaped), axis=3, keep_dims=True)
       feature_maps.append(feature_map)
   features = tf.concat(feature_maps, axis=3)
   return features

希望我做得好.检查MNIST,结果非常接近(但实施速度较慢).我希望这可以帮助你.