为什么slim.nets.vgg使用conv2d而不是fully_connected图层？

Question

在tensorflow / models / slim / nets中，这是vgg的相对片段的链接。我很好奇为什么slim.nets.vgg使用conv2d而不是full_connected图层，虽然它实际上以相同的方式工作？这是为了速度吗？ 我很感激一些解释。谢谢！

Answer 1

过了一段时间，我认为至少有一个原因可以避免权重转换错误。

Tensorflow / slim以及其他高级库允许张量格式默认为BHWC（batch_size，height，width，channel。相同如下）或BCHW（为了更好的性能）。< / p>

在这两种格式之间转换权重时，第一个fc（完全连接的图层，在转换图层之后）的权重[in_channel, out_channel]必须重新转换为[last_conv_channel, height, width, out_channel]，然后转换为[height, width, last_conv_channel, out_channel]并重新改编为[in_channel, out_channel]。

如果你使用conv权重而不是完全连接的权重，这种转换将明确地应用于fc层（实际上是conv权重）。当然会避免转换错误。