Python Conv3d与Conv2d之间的差异

我对conv2d和conv3d函数之间的区别有点困惑。 例如，如果我有一个H高W宽的N个图像堆栈，以及3个RGB通道。网络的输入可以是两种形式 表1：（批次大小，N，H，W，3）这是一个秩5张量 形式2：（批次大小，H，W，3N）这是一个秩4张量

问题是，如果我将带有M个大小为（N，3,3）的过滤器的conv3d应用于form1，并将带有M个大小为（3,3）的过滤器的conv2d应用于form1

它们是否具有基本相同的功能操作？我认为这两种形式在时间和空间维度上都有卷积

---

如果有人能帮我解决这个问题，我真的很感激

如果你有一堆图像，你就有一个视频。不能有两个输入表单。你有图像或视频。对于视频，您可以使用3D卷积，而2D卷积没有定义。如果你像你提到的那样堆叠通道（3N），2D卷积将把堆栈解释为一个有很多通道的图像，而不是堆栈

---

请注意，具有（批次，H，W，通道）的2D卷积与具有（批次，H，W，通道，1）的3D卷积相同

我明白你说的话。在表2中，我确实将视频序列堆叠成一个具有3N个通道的大图像。但是这个3N通道图像具有与图像序列相同的时间信息。应用conv2d时，它仍将时间信息卷积在一起。所以我认为在这种情况下，它们的作用基本相同。我对这一点感到困惑。你认为这是正确的吗？是的，但是通过3D卷积，你可以在不同的图像上移动你的过滤器。而不是一下子。例如，当您为3D卷积选择[H，W，2]滤波器时，您可以分析视频中的前两幅图像，然后是第二幅和第三幅图像，然后是第三幅和第四幅图像。这就是三维卷积背后的想法。如果选择3D卷积的第三个权重等于通道数，则与2D卷积相同。这能回答你的问题吗？如果你有一堆图像，你就有一个视频。-还是多个通道？@gerrit这取决于你如何堆叠它们。如果创建一个新轴（H、W、C、N），则会有一个视频。因此，您应该在N轴上使用堆栈。如果将它们堆叠在C维度中，则只会有更多通道