在Tesnorflow中,卷积网络有一些功能被称为conv1d
,conv2d
,conv3d
和convolution
。正如convolution
的文档中所述:
计算N-D卷积的总和(实际上是互相关)。
此外,对于其他功能,我们有与其尺寸相关的类似解释。
问题是我们使用convolution
代替conv2d
代替convolution
(也代表1d和3d),是否会在运行时间内获得不同的性能? (通常在CPU或GPU版本上)。
正如我发现N
在1到3之间被null
限制一样,问题的答案可能是微不足道的!
答案 0 :(得分:0)
不,你不会受到任何处罚。 convolution
checks the dimension of your convolution and call the appropriate specialization,如果适用的话。