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
如果增加组,则得到深度方向的卷积,其中每个输入通道本身都得到特定的内核
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