Python 如何在TensorFlow中跨越多个通道？

我有一个RGB彩色图像，我正试图用conv2d来训练它。根据CNN，每个过滤器应跨越所有输入通道。但在TF中遵循这条规则时，我犯了一个错误

InvalidArgumentError: Current implementation does not yet support strides in the batch and depth dimensions.

---

通过讨论，TF似乎只支持conv2d中输入通道的一个增量。所以我的问题是1。在TF中有没有办法跨越多个通道？
2。在RGB图像上使用默认跨距（即1）是否正确？

在我看来，跨距批处理或深度是没有用的。你的步幅应该是[1，m，n，1]

首先，让我们从批处理开始，第一个维度。这些是你的样品，你的图像。跨过你的图像意味着你只需要从训练或诱导中删除整个图像

第二，深度第四维度。最初，这是您的RGB。跨过RGB意味着您只需完全放弃一两种颜色。那没有道理。这将是巨大的信息损失

第三，跨越的目的。当您的图像在像素级（而不是颜色级）进行过采样，并且您可以只处理信息时，Stride非常有用。这是一种侵略性的数据破坏。它将高清晰度图像转换为中清晰度图像，将中清晰度图像转换为低清晰度图像

---

即使要对图像进行下采样（跨步），也不希望破坏RBG通道（深度）或整个图像（批量），所以为什么tensorflow设计一个参数来调整部分图像毫无意义呢？错误是“当前的实现还不支持批处理和深度维度的跨越”，没有任何意义。我已经重新表述了最初的断言。谢谢你的反馈。