如何将 TensorFlow 二维卷积 (tf.nn.conv2d) 应用于单个（非批处理）二维图像？

Question

我想在单个图像示例上使用函数 tf.nn.conv2d()，但 TensorFlow 文档似乎只提到将此转换应用于 batch 图像。

文档提到输入图像的形状必须为 [batch, in_height, in_width, in_channels]，内核的形状必须为 [filter_height, filter_width, in_channels, out_channels]。然而，用输入形状 [in_height, in_width, in_channels] 实现 2D 卷积最直接的方法是什么？

这是当前方法的示例，其中 img 具有形状（高度、宽度、通道）：

img = tf.random_uniform((10,10,3))  # a single image
img = tf.nn.conv2d([img], kernel)[0] # creating a batch of 1, then indexing the single example

我正在按如下方式重塑输入：

[in_height, in_width, in_channels]->[1, in_height, in_width, in_channels]->[in_height, in_width, in_channels]

当我只对转换一个示例感兴趣时，这感觉像是一项不必要且昂贵的操作。

是否有 simple/standard 不涉及整形的方法？

Answer 1

据我所知，没有办法解决它。似乎（here and here) that the first operation creates a copy (someone correct me if I'm wrong). You may use tf.expand_dims 相反，由于冗长，它在 IMO 中更具可读性。

另一方面，从张量中获取 0 元素在这种情况下不应该执行复制并且几乎是免费的。

最重要的是，除了语法上的一些不便（例如[0]），这些操作肯定并不昂贵，特别是在执行卷积的情况下。

顺便说一句。其他现成的替代层，如 tf.keras 中的层，也需要批处理作为第一维。

如何将 TensorFlow 二维卷积 (tf.nn.conv2d) 应用于单个（非批处理）二维图像？

How can I apply a TensorFlow 2D Convolution (tf.nn.conv2d) to a single (non-batch) 2D image?

python

convolution

conv-neural-network

tensorflow