空间可分卷积

Question

如何在Tensorflow中有效地实现1x1卷积，该卷积在空间维度上具有单独的文件管理器？有一个tf.nn.depthwise_conv2d与我的问题类似，但它在深度（即第三维）上有单独的过滤器。

在最简单的情况下，out_channels = 1这个卷积可以写成：

def spatial_conv(input, filter):
  return tf.reduce_sum(tf.mul(input, filter), [3], keep_dims=True)

其中input.dim=[batch_size, input_width, input_height, channels]和filter.dim=[input_width, input_height, channels]。我想通过连接相同输入和不同（但形状相同的）滤波器的输出来推广这种卷积。

Answer 1

我猜你在火炬中寻找像https://github.com/torch/nn/blob/master/doc/convolution.md#nn.SpatialConvolutionLocal这样的东西。但是，请记住，目前CUDA（cunn模块）实现有一些可怕的错误，这使得CUDA性能甚至比CPU差。