Question

我正在玩一些简单的Theano代码，我遇到了以下内容：

import numpy
import theano
from theano import tensor
from theano.tensor.signal.conv import conv2d

m = tensor.fmatrix()
w = numpy.ones([10,1], dtype=numpy.float32)
c = conv2d(m,w)
f = theano.function([m], c)
print f(numpy.ones([100,100], dtype=numpy.float32)).shape

结果：（1,91,100）

2d输入的2d卷积的结果预计为2d，但实际上是3d。为什么呢？

Answer 1

conv2d的文档字符串说 signal.conv.conv2d执行输入的基本2D卷积给出过滤器。（注意复数）

你可以传递几个过滤器，它将返回所有这些的回旋。试试，例如。

c = conv2d(m,np.array([w, w, w]))
f = theano.function([m], c)
print f(numpy.ones([100,100], dtype=numpy.float32)).shape  # outputs (3, 91, 100)

因此，默认情况下，如果你只传递1个过滤器，它会添加一个退化轴（可能是因为如果你自己没有以这种方式传递它，它会在你的过滤器内部添加这个轴。换句话说，它不会不要跟踪输入的形状，以便返回相应的东西。看起来更像是一种设计选择。）

为什么theano conv2d会添加空白维度？

1 个答案: