Tensor flow使用tf.nn.conv2d执行基本卷积操作。
我特别感兴趣的是＆＃34; strides＆＃34;参数，它允许您设置卷积滤镜的步幅 - 每次移动滤镜时图像的距离。
one of the early tutorials中给出的示例，每个方向的图像步幅为1，
def conv2d(x, W):
return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
strides数组在链接文档中有更多解释：
详细说明，使用默认的NHWC格式......
必须有步幅[0] =步幅[3] = 1.对于相同水平和顶点步幅的最常见情况，strides = [1，stride，stride，1]。
注意＆＃34; strides＆＃34;的顺序匹配输入的顺序：NHWC格式的[batch, height, width, channels]。
显然，batch和channels的步幅不是1，这是不合理的，对吧？ （您的过滤器应始终遍历每个批次和每个渠道）
但为什么在strides[0]和strides[3]中添加1以外的内容甚至可以选择呢？ （它是一个＆＃34;选项＆＃34;是关于你可以在传入的python数组中放入1以外的东西，忽略上面的文档引用）
是否存在batch或channels维度无法跨越的情况，例如
tf.nn.conv2d(x, W, strides=[2, 1, 1, 2], padding='SAME')
如果是这样，那个例子在卷积运算方面甚至意味着什么？
答案 0 :(得分：-1)
在某些情况下，您可能会分批发送视频。这意味着您的批处理将是一系列帧。并且假设封闭框架应该非常相似，我们可以通过增加批处理跨度来省略其中的一些框架。据我了解。 IDK关于频道跨度的问题