二維數組的TensorFlow卷積

我有一些數據，我有一個二維數組A和一個內核K。我想計算這些的卷積。我如何在TensorFlow中做到這一點。看起來內置卷積運算採用4D張量作爲輸入，因爲他們假設我們正在計算具有多個顏色通道的批處理。我如何將這些操作與我的數據一起使用？二維數組的TensorFlow卷積

例子：

a = np.random.randint(2, size=(10,10)) 
k = [[1,1,1],[1,1,1],[1,1,1]] 
# Compute convolution of these?? 
c = ...

來源

2017-03-12 eof

import tensorflow as tf 
import numpy as np 

a = np.random.randint(2, size=(10,10)) 
k = [[1,1,1],[1,1,1],[1,1,1]] 

tensor_a = tf.constant(a, tf.float32) 
tensor_k = tf.constant(k, tf.float32) 

tensor_res = tf.nn.convolution(tf.reshape(tensor_a, [1, 10, 10, 1]), tf.reshape(tensor_k, [3, 3, 1, 1]), padding='VALID') 

sess = tf.Session() 
print(sess.run(tensor_res))

計算圖表教程here

卷積幫手doc

來源

2017-03-12 03:26:18

答案爲止發佈的所有錯過了一個重要的觀點：Tensorflow不不計算一個卷積，但互相關正如在中所述doc：

注意的是，雖然這些老年退休金計劃被稱爲「迴旋」，他們是嚴格說來「互相關」由於過濾器無需反轉濾波器結合與輸入窗口。

如果真要計算的卷積，你將有傳遞到conv2d之前扭轉內核，即一旦上了水平翻轉，然後在垂直軸上。用儀的回答，這可能是這樣的：

import tensorflow as tf 
import numpy as np 

a = np.random.randint(2, size=(10,10)) 
k = np.array([[1,1,1],[1,1,1],[1,1,1]],dtype=np.float32) 
flip = [slice(None, None, -1), slice(None, None, -1)] 
k = k[flip] 

a=a.astype(np.float32) 
a_tensor = tf.reshape(a, [1, 10, 10, 1]) 
k_weight = tf.reshape(np.array(k), [3,3,1,1]) 
c=tf.nn.conv2d(a_tensor, k_weight,padding='VALID',strides=[1, 1, 1, 1]) 
sess=tf.Session() 
c.eval(session=sess)

注意，在這個具體的例子翻轉內核在技術上是徒勞的，因爲對稱內核卷積和互相關的是同樣的事情。但是，只要你有非對稱內核，如果你想讓Tensorflow實際計算卷積，就必須翻轉它。

來源

2017-03-12 10:13:50 kaufmanu

二維數組的TensorFlow卷積

回答

相關問題