tensorflow - 张量流中的自定义窗口运算符

Question

我想实现下一个公式： Si = (x1 - w1) + ... + (xn - wn) 就像 Conv=x1*w1 + ... xn*wn 对于 X（输入张量）和内核 W 下的某些区域. 重要的是，此操作在所有区域 X 上重复，切片 W 具有步幅和填充参数，就像简单的卷积一样。

这是怎么做的？

不久前我在stackoverflow上发现了类似的问题。但它完成了 C++ 上的自定义实现和编译或更改 CUDA 源或类似的东西。

今天有更简单的方法吗？

标签： tensorflowmachine-learningneural-network

Answer 1

如果我让你正确，那么你计算Si=(x1 + ... + xn)-(w1 + ... + wn)？权重的总和是一个数字，因此您不再有“内核”。您可以计算的第一个总和tf.nn.conv2d以及一个用 初始化的过滤器tf.ones。但我不认为这就是你的意思，所以你能不能进一步说明你的问题？