关于多个 tf.layer.conv2d 如何相互连接
About how multiple tf.layer.conv2d connect between each other
我对2个2d卷积如何相互连接有疑问。我理解卷积的概念，x 个过滤器产生 x 个特征图，但是当你有 16 个特征图并应用 8 个过滤器的卷积时会发生什么？ 8 个过滤器中的每一个都与 16 个特征映射中的每一个进行卷积吗？然后他们添加由 8 个过滤器中的每一个产生的 16 个结果特征图？或者涉及的过程是什么？谢谢你。下面你可以看到我想知道的图表。
x1 和 x2 的尺寸：
x1: (?,128,256,16)
x2: (?,128,256,8)
从 x1 到 x2 的过程是什么？
你的误解是你在想[h, w]个过滤内核。
但实际上，这些是 8 倍 [h, w, channels_in] 过滤器。
对于 8 个输出通道中的每一个，您都有一个大小为 [h, w, 16] 的过滤器。因此，整个内存消耗是 [h, w, channels-in, channels-out]（正如 documentation 中所述）。可视化它的一个好方法是考虑 8 次有 16 个单独的 [h, w] 过滤器内核，总结了 16 个输出。
我对2个2d卷积如何相互连接有疑问。我理解卷积的概念，x 个过滤器产生 x 个特征图，但是当你有 16 个特征图并应用 8 个过滤器的卷积时会发生什么？ 8 个过滤器中的每一个都与 16 个特征映射中的每一个进行卷积吗？然后他们添加由 8 个过滤器中的每一个产生的 16 个结果特征图？或者涉及的过程是什么？谢谢你。下面你可以看到我想知道的图表。
x1 和 x2 的尺寸：
x1: (?,128,256,16)
x2: (?,128,256,8)
从 x1 到 x2 的过程是什么？
你的误解是你在想[h, w]个过滤内核。
但实际上，这些是 8 倍 [h, w, channels_in] 过滤器。
对于 8 个输出通道中的每一个，您都有一个大小为 [h, w, 16] 的过滤器。因此，整个内存消耗是 [h, w, channels-in, channels-out]（正如 documentation 中所述）。可视化它的一个好方法是考虑 8 次有 16 个单独的 [h, w] 过滤器内核，总结了 16 个输出。