如何获得tensorflow中的每通道卷积，如conv2d参数；“团体”；在皮托克？
我正在从事一个项目，我指的是在Pytorch中建立的一个网络。其中一个图层具有conv2d图层，该图层的组=某个值。当我在Tensorflow建立项目时。考虑到我在tensorflow的conv2d层中没有找到任何组参数，我该如何处理这个特定层。我在网上搜索了一下，但找不到任何具体的东西，就像该组织所说的，这是一个每通道的卷积。我找到的最接近的东西是tf.nn.separable_conv2d，但仍然不确定如何设置其中的参数 Pytorch层是如何获得tensorflow中的每通道卷积，如conv2d参数；“团体”；在皮托克？,tensorflow,pytorch,Tensorflow,Pytorch,我正在从事一个项目，我指的是在Pytorch中建立的一个网络。其中一个图层具有conv2d图层，该图层的组=某个值。当我在Tensorflow建立项目时。考虑到我在tensorflow的conv2d层中没有找到任何组参数，我该如何处理这个特定层。我在网上搜索了一下，但找不到任何具体的东西，就像该组织所说的，这是一个每通道的卷积。我找到的最接近的东西是tf.nn.separable_conv2d，但仍然不确定如何设置其中的参数 Pytorch层是conv2d（输入、重量、组=x） 其中输入和权重是
conv2d（输入、重量、组=x）其中输入和权重是4d张量。有人能帮我在Tensorflow中创建这个层吗。我想你应该检查一下PyTorch中的定义。 前两个参数应该是整数，而不是4D张量 默认情况下，组为1，在您的情况下不应更改。 我认为在Tensorfolow中，如果组>1，您应该使用
SeparableConv2D您应该具备的唯一规则是，输入通道和输出通道都应按组编号进行划分。Tensorflow 1.14.0支持组卷积。请参阅此拉取请求： 不同之处在于，输入深度形状可以是输入过滤器数量的倍数，而不是“组”参数