Tensorflow 将二维卷积转换为一维卷积+；张量流中的仿射变换？_Tensorflow_Image Processing_Machine Learning_Conv Neural Network_Convolution

Tensorflow 将二维卷积转换为一维卷积+；张量流中的仿射变换？

tensorflow image-processing machine-learning

Tensorflow 将二维卷积转换为一维卷积+；张量流中的仿射变换？,tensorflow,image-processing,machine-learning,conv-neural-network,convolution,Tensorflow,Image Processing,Machine Learning,Conv Neural Network,Convolution,我有一个带有Shape=[NxHxWxC\u in]的特殊输入，还有一个Size=[n\u h，n\u w，stride\u h，stride\u w]的内核，它有C\u out个过滤器（如果这样可以简化事情，那么步长可以是1和1，但一般的答案会更好）在TensorFlow中，创建一维Conv/仿射变换层组合以获得与二维卷积相同的结果的最有效方法是什么我发现了一种叫做螺旋变换的东西，但我看不出它是否可以扩展到多个通道（其中C_-in和C_-out是相当大的数字）您可以使用来创建一维卷积，这

我有一个带有

Shape=[NxHxWxC\u in]

的特殊输入，还有一个

Size=[n\u h，n\u w，stride\u h，stride\u w]

的内核，它有

C\u out

个过滤器（如果这样可以简化事情，那么步长可以是1和1，但一般的答案会更好）

在TensorFlow中，创建一维Conv/仿射变换层组合以获得与二维卷积相同的结果的最有效方法是什么

我发现了一种叫做螺旋变换的东西，但我看不出它是否可以扩展到多个通道（其中

C_-in

和

C_-out

是相当大的数字）

您可以使用来创建一维卷积，这与多维卷积是等价的。

但这似乎并没有降低计算复杂度。那么，这种转换的目的是什么呢？它并不难（我不知道它是否改善了内存访问模式，我不是这方面的专家）。在我看来，这是一个表示技巧（与以矩阵形式构建二维卷积的想法相同）。但是如果你有一个1D卷积的构造块，你想用它来进行N-D卷积，这就是方法。啊，这是有意义的。但是，如果我理解正确的话，您最终会执行大量的乘零运算，因为您将内核填充到与输入相同的大小。