Tensorflow中的卷积与Conv2d函数

Question

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）。

更新

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！

Answer 1

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。