Tensorflow-如何共享CNN'；不同输入通道的s滤波器权重？

我的1层CNN神经元网络的输入数据集有10个通道。如果我将过滤器通道设置为16，那么将有10*16=160个过滤器

我想为每个输入通道使用相同的16个滤波器通道的权重。表示仅对我的输入数据集使用16个过滤器。表示10个输入通道共享相同的卷积滤波器权重

---

有人知道如何在tensorflow中做到这一点吗？非常感谢。

您可以使用较低级别的

tf.nn.conv1d

和通过平铺相同的单通道过滤器构建的

过滤器

f0 = tf.get_variable('filters', shape=(kernel_width, 1, filters_out), initializer=...)
f_tiled = tf.tile(f0, (1, filters_in, 1))
output = tf.nn.conv1d(input, f_tiled, ...)

但是，只需将所有输入通道添加到一起，形成一个单通道输入，然后使用更高级别的
层
API，就可以获得相同的效果（而且效率更高，更不容易出错）

conv_input = tf.reduce_sum(input, axis=-1, keepdis=True))
output = tf.layers.conv1d(conv_input, filters=...)

请注意，除非您的所有频道几乎相同，否则这可能是个坏主意。如果你想减少自由参数的数量，考虑多个卷积-1x1，以减少滤波器的数量，其他具有宽内核和非线性的卷积，然后1x1卷积，以返回到大量的过滤器。上述实现中的
reduce_sum
实际上是固定权重为
tf.ones
的1x1卷积，除非数据集很小，否则通过学习权重和一些非线性，几乎肯定会得到更好的结果