在张量流中以不同的步幅连接卷积

时间:2017-10-04 16:51:46

标签: tensorflow concatenation conv-neural-network convolution

我试图使用tensoflow从研究论文中复制CNN。这是CNN的整体架构,但我主要关注的是还原A部分。Whole Architecture

Reduction A

我想知道我是否发现了研究论文的问题。正如您在还原A中所看到的,连接了3个层。然而,这些层中的2个使用2的步幅。因此,当沿第4轴(通道的数量)连接张量时,最右边的层不具有与其他2个层相同的深度,宽度和高度。我知道我可以使用填充来解决这个问题,但在论文中没有提到这一点。 你认为这篇研究论文有错吗?减少A的最右路径是否也应该使用2的步幅

1 个答案:

答案 0 :(得分:2)

考虑到所有其他减少和假设都有匹配的步幅,似乎这篇论文犯了一个错误。我想3x3(384)卷积应该有2的步幅,因为这个卷积增加了通道大小。