8預定義的二進制卷積濾鏡 - Tensorflow

Question

我試圖做Tensorflow如下：

I need this

爲此，我已經做了迄今爲止以下：

def new_weights(shape): 
    return tf.Variable(tf.truncated_normal(shape, stddev=0.05)) 

# From here down is another function 
shape = [3, 3, 1, 8,] 

H = [ 
    [[0, 1, 0,],[0, -1, 0,],[0, 0, 0,],], 
    [[0, 0, 1,],[0, -1, 0,],[0, 0, 0,],], 
    [[0, 0, 0,],[0, -1, 1,],[0, 0, 0,],], 
    [[0, 0, 0,],[0, -1, 0,],[0, 0, 1,],], 
    [[0, 0, 0,],[0, -1, 0,],[0, 1, 0,],], 
    [[0, 0, 0,],[0, -1, 0,],[1, 0, 0,],], 
    [[0, 0, 0,],[1, -1, 0,],[0, 0, 0,],], 
    [[1, 0, 0,],[0, -1, 0,],[0, 0, 0,],] 
] 

anchor_weights = tf.reshape(tf.cast(H, tf.float32), shape) 

layer = tf.nn.conv2d(input=input, 
        filter=anchor_weights, 
        strides=[1, 1, 1, 1], 
        padding='SAME') 

layer = tf.nn.max_pool(value=layer, 
         ksize=[1, 2, 2, 1], 
         strides=[1, 2, 2, 1], 
         padding='SAME') 

layer = tf.nn.relu(layer) 

feature_maps = layer 

shape = [1, 1, 8, 1] 

v = tf.cast(new_weights(shape), tf.float32) 

# To put all together 
layer = tf.nn.conv2d(input=feature_maps, 
        filter=v, 
        strides=[1, 1, 1, 1], 
        padding="SAME") 

但當我去打印anchor_weights和feature_maps時，我會做出迴應。

anchor_weights e feature_maps

對我來說，這似乎是完全錯誤的什麼我需要一個會像第一個圖像我發現你。

我不知道如何解決這個問題，有什麼想法？

Answer 1

我想你在H數組中有錯誤的元素順序。您填充H爲[8,3,3]張量。那麼你使用tf.reshape，這改變張量的形狀，但不交換元素。你需要這樣的東西：

H = [ 
    [ 
     [[0, 0, 0, 0, 0, 0, 0, 1]], 
     [[1, 0, 0, 0, 0, 0, 0, 0]], 
     [[0, 1, 0, 0, 0, 0, 0, 0]] 
    ], 
    [ 
     [[ 0, 0, 0, 0, 0, 0, 1, 0]], 
     [[-1,-1,-1,-1,-1,-1,-1,-1]], 
     [[ 0, 0, 1, 0, 0, 0, 0, 0]] 
    ], 
    [ 
     [[0, 0, 0, 0, 0, 1, 0, 0]], 
     [[0, 0, 0, 0, 1, 0, 0, 0]], 
     [[0, 0, 1, 0, 0, 0, 0, 0]] 
    ] 
    ] 
anchor_weights = tf.cast(H, tf.float32)