Tensorflow 卷积的维数？

关于这个卷积是如何计算的以及它的输出维度，我有一些问题。我熟悉使用nxm内核的简单卷积，使用步长、膨胀或填充，这不是问题，但这个维度对我来说似乎很奇怪。因为我使用的模型是众所周知的，所以我认为它是正确的

因此，我的观点是：

• 如果输入的尺寸为1x1x28x28，那么输出的尺寸为1x8x28如何
• W表示内核。怎么可能是8x1x5x5？据我所知，第一个维度是批量大小，但这里我只是用1个输入进行推断。这有意义吗
• 我从零开始实现这个卷积运算符，到目前为止它适用于1x2x28和1x1x5x5内核，但是额外的维度对我来说没有意义

找到我要做的卷积，希望不是太具体

---

我看不到您使用的代码，但我猜8是内核数。这意味着您在输入上应用8个不同的内核，大小为5x5，批量大小为1。这就是在输出中获得1x8x28的方式，8表示激活映射的数量（每个内核一个）

内核尺寸（8x1x5x5）的编号说明如下：

• 8:不同过滤器/内核的数量（将是每个图像的输出贴图数量）
• 1:输入通道的数量。如果您的输入图像是RGB而不是灰度，这将是3而不是1
• 5:第一空间维度
• 5:第二空间维度

---

如果有8个不同的内核，每个内核有5x5个元素，为什么内核大小不是

1x8x5x5

而不是

8x1x5x5

？或者如果使用3D内核，第二个维度可能会不同于1？你的第二个假设是正确的。您有一个3D内核，但您的输入只有一个通道，因此它是

8x1x5x5

（内核数量x输入通道数量x第一空间x第二空间）。批处理中的每个图像都使用相同的过滤器，因此您没有类似于

1x8x1x5x5