Python Scipy卷积2D不同于tensorflow conv2d

这是我的密码：

import tensorflow as tf
import numpy as np
from scipy import signal

img2 = np.array([
    [10, 10, 10, 0, 0, 0],
    [10, 10, 10, 0, 0, 0],
    [10, 10, 10, 0, 0, 0],
    [10, 10, 10, 0, 0, 0],
    [10, 10, 10, 0, 0, 0],
    [10, 10, 10, 0, 0, 0]
]).astype(np.float32)
k = np.array([
    [1., 0., -1.],
    [1., 0., -1.],
    [1., 0., -1.]
]).astype(np.float32)

img_tf = tf.constant(tf.reshape(img2, (1, 6, 6, 1)), dtype=tf.float32)
k_tf = tf.constant(tf.reshape(k, (3, 3, 1, 1)), dtype=tf.float32)
conv_tf = tf.nn.conv2d(img_tf, k_tf, strides=[1, 1], padding="SAME")[0, ..., 0]
print("conv_tf: " + str(conv_tf))

np_conv = np.array(signal.convolve2d(img2 , k, "same"), np.int32)
print("sp_conv:\n" + str(np_conv))

输出为：

conv_tf: tf.Tensor(
[[-20.   0.  20.  20.   0.   0.]
 [-30.   0.  30.  30.   0.   0.]
 [-30.   0.  30.  30.   0.   0.]
 [-30.   0.  30.  30.   0.   0.]
 [-30.   0.  30.  30.   0.   0.]
 [-20.   0.  20.  20.   0.   0.]], shape=(6, 6), dtype=float32)
sp_conv:
[[ 20   0 -20 -20   0   0]
 [ 30   0 -30 -30   0   0]
 [ 30   0 -30 -30   0   0]
 [ 30   0 -30 -30   0   0]
 [ 30   0 -30 -30   0   0]
 [ 20   0 -20 -20   0   0]]

---

现在，一条接缝与另一条接缝相反，为什么会有这种差异？

最后，我找到了答案

问题是

scipy

进行数学上“正确”的卷积，而

tensorflow

进行面向卷积神经网络（CNN）应用的卷积

---

因此，

scipy

在应用卷积之前反转内核（如解释的那样），而

tensorflow

没有反转内核。

最后，我找到了响应

问题是

scipy

进行数学上“正确”的卷积，而

tensorflow

进行面向卷积神经网络（CNN）应用的卷积

因此，

scipy

在应用卷积（如所述）之前反转内核，而

tensorflow

则不会