Python 如何将TensorFlow 2D卷积（tf.nn.conv2d）应用于单个（非批处理）2D图像？_Python_Tensorflow_Conv Neural Network_Convolution

Python 如何将TensorFlow 2D卷积（tf.nn.conv2d）应用于单个（非批处理）2D图像？

python tensorflow

Python 如何将TensorFlow 2D卷积（tf.nn.conv2d）应用于单个（非批处理）2D图像？,python,tensorflow,conv-neural-network,convolution,Python,Tensorflow,Conv Neural Network,Convolution,我想在单个图像示例上使用函数tf.nn.conv2d（），但TensorFlow文档似乎只提到将此转换应用于批图像文档提到输入图像必须是形状[批处理，输入高度，输入宽度，输入通道]，内核必须是形状[过滤高度，过滤宽度，输入通道，输出通道]。然而，用输入形状实现二维卷积的最直接的方法是什么以下是当前方法的示例，img具有形状（高度、宽度、通道）：我正在按如下方式重新调整输入： [in_高度，in_宽度，in_通道]->[1，in_高度，in_宽度，in_通道]->[in_高度，in_宽度，i

我想在单个图像示例上使用函数

tf.nn.conv2d（）

，但TensorFlow文档似乎只提到将此转换应用于批图像

文档提到输入图像必须是形状

[批处理，输入高度，输入宽度，输入通道]

，内核必须是形状

[过滤高度，过滤宽度，输入通道，输出通道]

。然而，用输入形状实现二维卷积的最直接的方法是什么

以下是当前方法的示例，

img

具有形状（高度、宽度、通道）：

我正在按如下方式重新调整输入：

[in_高度，in_宽度，in_通道]->[1，in_高度，in_宽度，in_通道]->[in_高度，in_宽度，in_通道]

当我只对转换一个示例感兴趣时，这感觉像是一个不必要且成本高昂的操作

有没有一种简单/标准的方法不涉及整形？

AFAIK没有办法。第一个操作似乎创建了一个副本（如果我错了，有人会纠正我）。不过，您可以使用它，因为它冗长，所以在我看来更具可读性

另一方面，从张量中提取

元素在这种情况下不应执行复制，并且几乎是免费的

最重要的是，除了语法上的一些不便（例如，

[0]

），这些操作肯定不会花费太多，尤其是在执行卷积的情况下

顺便说一句，其他现成的替代层，如

tf.keras

中的层，也需要批量作为第一维度。