张量流：过滤器与内核和步幅

Question

Python 3.5 / Windows 10 / tensorflow-gpu 1.12 (GTX 1070)

目标：为 3 通道图像构建卷积自动编码器

教程来源：https://towardsdatascience.com/autoencoders-introduction-and-implementation-3f40483b0a85

本教程使用 MNIST 数据集，我的图像更大并且有 3 个颜色通道，但我正在尝试相应地进行调整。

我的困惑点在这里：

inputs_ = tf.placeholder(tf.float32, (None, 28, 28, 1), name='inputs')

conv1 = tf.layers.conv2d(inputs=inputs_, filters=32, kernel_size=(3,3), padding='same', activation=tf.nn.relu)
# Now 28x28x32

[28,28,1]是mnist图像的w/h&灰度

我理解 kernel_size 等于过滤器大小 -- 这样正确吗？ (https://blog.xrds.acm.org/2016/06/convolutional-neural-networks-cnns-illustrated-explanation/)

使用此处显示的相同 Kernel/Filter 和 Stride 理解：

我对推导特征图的理解：

我不会填充上面的图像，而是会得出以下结果：

filter_ct_a, out_shape_a, padding_a = calc_num_filters(shapeXY=[5,5,1], filterXY=[3,3], strideXY=[1,1])
print("# Filters: {}\nNew Shape: {}\n Padding : {}".format(filter_ct_a, out_shape_a, padding_a))
# Filters: 9
New Shape: [3, 3, 1]
 Padding : [0, 0]

鉴于它被填充：

filter_ct_a, out_shape_a, padding_a = calc_num_filters(shapeXY=[5,5,1], filterXY=[3,3], strideXY=[1,1], paddingXY=[1,1])
print("# Filters: {}\nNew Shape: {}\n Padding : {}".format(filter_ct_a, out_shape_a, padding_a))

5.0
# Filters: 25
New Shape: [5, 5, 1]
 Padding : [1, 1]

我将过滤器的数量解释为图像大小、填充、步幅和内核大小的函数。 (这是正确的吗？) ()

我对这种关系的虚拟计算如下：

def calc_num_filters(shapeXY, filterXY, strideXY=[1,1], paddingXY = [0,0]):
    paddingX = paddingXY[0]
    while True:
        filtersX = 1 + ((shapeXY[0]+2*paddingX-filterXY[0])/strideXY[0])
        if filtersX == int(filtersX):# and filtersX%2 == 0:
            break
        paddingX += 1
        if paddingX >= shapeXY[0]:
            raise "incompatable filter shape X"

    paddingY = paddingXY[1]
    while True:
        filtersY = 1 + ((shapeXY[1]+2*paddingY-filterXY[1])/strideXY[1])
        if filtersY == int(filtersY):# and filtersY%2 == 0:
            break
        paddingY += 1
        if paddingY >= shapeXY[1]:
            raise "incompatable filter shape Y"

    return (int(filtersX*filtersY),[int(filtersX), int(filtersY), shapeXY[2]],  [paddingX, paddingY])

在教程示例中，conv1 将张量大小从 [28, 28, 1] 更改为 [28, 28,32]。我注意到 tf.layers.conv2d 似乎使通道（或 z-dim）与所有情况下传递的 filters 值匹配。

我不知道这些值是如何兼容的：28x28 image，kernel_size=(3,3) 导致 32 filters?

假设步幅 = [1,1]

filter_ct_a, out_shape_a, padding_a = calc_num_filters(shapeXY=[28,28,1], filterXY=[3,3], strideXY=[1,1])
print("# Filters: {}\nNew Shape: {}\n Padding : {}".format(filter_ct_a, out_shape_a, padding_a))

# Filters: 676
New Shape: [26, 26, 1]
 Padding : [0, 0]

使用 strideXY=[3,3]:

filter_ct_a, out_shape_a, padding_a = calc_num_filters(shapeXY=[28,28,1], filterXY=[3,3], strideXY=[3,3])
print("# Filters: {}\nNew Shape: {}\n Padding : {}".format(filter_ct_a, out_shape_a, padding_a))
# Filters: 100
New Shape: [10, 10, 1]
 Padding : [1, 1]

如果过滤器（计数）、内核大小、步幅和图像大小按照我理解的方式相关 - 为什么 tensorflow 在可以导出时要求过滤器计数?

Answer 1

过滤器的数量 NOT 与内核大小、步幅或图像大小都没有关系。相反，它是由您使用 filters 参数指定的。例如，当您设置 filters=32 时，这意味着该层将具有 32 个 independent 个卷积过滤器，从这个意义上说，每个过滤器都将应用于给定的图像，其形状为 (28, 28, 1) 在你的例子中，并且将 return 一个形状为 (28, 28) 的特征图（即激活图）（假设 padding='same'）。因此，所有的过滤器结合起来，卷积层的输出将具有 (28, 28, 32) 的形状。如果你设置了 filter=53，卷积层的输出将是 (28, 28, 53) 的形状，即每个卷积过滤器一个特征图。

张量流：过滤器与内核和步幅

tensorflow: filters vs kernels and strides

python

machine-learning

autoencoder

conv-neural-network

tensorflow