tensorflow - Conv2d 如何在不同的输入维度和过滤器维度下工作？

Question

我想知道 TensorFlow conv2d 如何在不同的输入维度和过滤器维度下工作。例如，Conv2d 层的输入形状为 [1, 13, 13, 10]，过滤器形状为 [20, 3, 3, 10]（将使用 20 个 3x3 过滤器，无 pedding））。

在这种情况下，过滤器是如何工作的？据我了解，20 个过滤器对 10 个输入进行点积。

（第一个过滤器对每 10 个输入进行点积，下一个过滤器也这样做，，）因此输出形状可以是 [1, 11, 11, 20]。

我对吗？

标签： tensorflowconv-neural-networktensorflow2.0convolutiondot-product

Answer 1

假设您有输入 [b,w,h,c]，并且您的内核为 [N,w,h]（如您在示例中介绍的那样，没有内核通道，这些通道可以看作是内核的总数）。那么您的逻辑是正确的，每个过滤器将计算每个通道的点积并对每个通道的结果求和，因此对于每个内核，您将获得一个输出，从而产生 20 个 11x11 的通道（由于缺少填充）= [11x11x20]。