Question

我对tf.layers.conv3d有疑问。如果我理解正确，它会输入形状

（批处理x深度x高度x宽度x通道）

其中的渠道应仅为一个；并给定一个过滤器（深度x高度x宽度），它会创建#filters具有相同形状的不同过滤器以创建#filters输出通道，并将它们与输入进行卷积以获得形状的输出

（批量x深度x高度x宽度x num_filters）

首先，我现在是吗？问题是：在我看来，这一层不遵守约束卷积层形状的输入，输出，过滤和步幅约束的法律，即：

（W-F + 2P）/ S +1

如here所述。相反，输出深度的宽度和高度始终与输入相同。怎么了？感谢您的帮助！

Answer 1

kinda true but if input shape, filter shape and strides:
[Batch, depth, height, width, channels]
[filter_depth,filter_height,filter_width,in_channels,out_channels]
[1,s1,s2,s3,1]

output shape
[Batch,int(depth/s1),int(height/s2),int(width/s3),out_channels]

tf.layers.conv3d是tf.layers.convolution的特例

了解填充算法： https://www.tensorflow.org/api_guides/python/nn#Convolution

用于了解卷积运算： https://www.tensorflow.org/api_docs/python/tf/nn/convolution

Tensorflow tf.layers.conv3d输出形状

1 个答案: