使用 Tensorflow 进行预处理的 3D 卷积

Question

我构建了一个用于 3D 图像像素级分类的神经网络。

分类任务非常简单，不需要卷积网络，而是我计算了一些特征（Gaussian、LoG、Sobel 等...）并将这些与原始值一起输入到经典网络中多层板。由于此功能的计算速度非常慢并且没有利用我的 GPU，我认为 Tensorflow 实现可能会有所帮助：

首先，我读取了一个二进制文件并创建了一个包含 3D 阵列和 1 个通道的批次：

data_dir="/Users/Me/Documents/Data/"
filenames = [os.path.join(data_dir,'File_%05d.bin' % i ) for i in range(100)]
filename_queue = tf.train.string_input_producer(filenames)
Stack= BinChunkReader(filename_queue) #custom reader

sess = tf.Session()
print(sess.run(tf.shape(Stack))) #outputs [1 100 100 100 1]

然后我使用自定义函数创建 3D 内核并定义 3D 卷积：

kernel=np.ones((11,11,11,1,1),dtype='int32')
kernel[:,:,:,0,0]=Get3DKernel("LoG", Radius=6,Param=5) #custom function to produce a kernel

kernel_init=tf.constant(kernel)
TF_kernel=tf.get_variable('LoG_filter', initializer= kernel_init)
LoG=tf.nn.conv3d(Stack,TF_kernel,[1,1,1,1,1],"SAME")

但试图运行这个

sess = tf.Session()
sess.run(LoG)

产生以下错误：

InvalidArgumentError: No OpKernel was registered to support Op 'Conv3D' with these attrs.  Registered devices: [CPU], Registered kernels:
  device='CPU'; T in [DT_FLOAT]
  device='CPU'; T in [DT_DOUBLE]

     [[Node: Conv3D_1 = Conv3D[T=DT_INT32, padding="SAME", strides=[1, 1, 1, 1, 1]](Reshape, LoG_filter/read)]]

第一个问题：这个错误是什么意思，如何实现3D卷积？

第二个问题：我假设在tensorflow（目前使用scikit-image 实现）中实现它对执行速度有好处，我的假设是否正确？

Answer 1

我正在以更有序的方式在评论中整理解决方案，以防其他人偶然发现这个问题。

解密错误信息：

你的错误：

InvalidArgumentError: No OpKernel was registered to support Op 'Conv3D' with these attrs.  
Registered devices: [CPU], 
Registered kernels:
  device='CPU'; T in [DT_FLOAT]
  device='CPU'; T in [DT_DOUBLE]
[[Node: Conv3D_1 = Conv3D[T=DT_INT32, padding="SAME", strides=[1, 1, 1, 1, 1]](Reshape, LoG_filter/read)]]

No OpKernel was registered to support Op 'Conv3D' with these attrs 表示您传递给函数调用的属性与该函数的任何现有实现都不匹配。

Node: Conv3D_1 = Conv3D[T=DT_INT32, padding="SAME", strides=[1, 1, 1, 1, 1]](Reshape, LoG_filter/read)] 表示对于图表中引发错误的 Conv3D 节点，输入张量的类型为 int32.

Registered kernels:
  device='CPU'; T in [DT_FLOAT]
  device='CPU'; T in [DT_DOUBLE]

表示对于 Conv3D 操作，您的机器上有 2 个可用的实现。一个在你的 CPU 上运行并输入一个 float32 张量 (DT_FLOAT)，而另一个也在你的 CPU 上运行运行作为输入 float64 张量 (DT_DOUBLE).

注意： Registered devices: [CPU], 似乎指出你的 Tensorflow 没有看到你的 GPU （你安装了吗？仅 CPU 版本的 Tensorflow？）。

您问题的答案：

What does this error mean and how do I implement a 3D convolution?

我认为错误在上一节中已经解释得足够多了。您不想自己实现 Conv3D，而是将输入类型更改为已经实现的类型。将 Stack 和 TF_kernel 的类型更改为 float32 或 float64（例如，将 kernel 定义为 kernel=np.ones((11,11,11,1,1),dtype='float32')）。

Am I right in my assumption that implementing this in tensorflow (currently implemented with scikit-image) will be of advantage for the execution speed?

很难说。由于这两个实现都是 CPU-only，我想尝试看看事情是否有所改善是最好的选择（如果你能更新你的问题让我们知道它是否确实加速了那就太好了）。我还建议检查您是否正在使用 GPU Tensorflow 版本，如果没有，请切换到那个版本（它更有可能加快您的计算速度）。

使用 Tensorflow 进行预处理的 3D 卷积

3D convolution for preprocessing with Tensorflow

python

convolution

multidimensional-array

tensorflow

解密错误信息：

您问题的答案：