Python 从tf.layers.conv2d了解输入/输出张量

我试图理解由

tf.layers.conv2d

执行的转换

TensorFlow网站上的mnist教程代码包括卷积层：

# Computes 64 features using a 5x5 filter.
# Padding is added to preserve width and height.
# Input Tensor Shape: [batch_size, 14, 14, 32]
# Output Tensor Shape: [batch_size, 14, 14, 64]
conv2 = tf.layers.conv2d(
    inputs=pool1,
    filters=64,
    kernel_size=[5, 5],
    padding="same",
    activation=tf.nn.relu)

---

然而，我的期望是，当每个过滤器应用于每个图像时，32个输入图像将乘以过滤器的数量，以给出

[batch_sz，14，14，2048]

的输出张量。显然这是错误的，但我不知道为什么。转换是如何工作的？API文档没有告诉我它是如何工作的。如果输入张量是

[批次大小，14,14,48]

？

输出大小取决于输入尺寸、过滤器宽度、填充和步幅。您可以评估conv2（以及任何单独的图层），然后打印输出的尺寸，以确保它们符合您的想法。您不需要仅在最后一层调用eval，因为tensorflow比这灵活得多。

我想您可能对过滤器的工作原理有一点误解。并提供一些详细的解释。我发现介绍中的卷积演示动画非常有助于展示它的工作原理

这里的关键是过滤器如何工作。通常，卷积层有一组

K

过滤器（在您的示例中为64）。对于每个过滤器，实际形状是

内核大小+输入深度（示例中为5x5x32）。这意味着一个过滤器将同时查看/应用于32个通道/图像，并给出一个结论/计算结果特征。因此，输出特性的depth/num等于
filters
参数，而不是
input\u depth*filters
。请检查以了解用于计算的实际内核和最终内核

因此，为了回答您的最后一个问题，对于您的设置，
[batch\u size，14，14，32]
或
[batch\u size，14，14，48]
的输出将始终是
[batch\u size，14，14，64]
。
谢谢您。罗，这是我所怀疑但不确定的。至少就我所能找到的情况而言，TF文档没有解释这一点，这很烦人。@tinyMind不客气。有时，有关流行算法的详细信息可能会出现在文档中。