空间可分卷积

Question

如何有效实现在Tensorflow中沿空间维度分开文件管理器的1x1卷积？有一个tf.nn.depthwise_conv2d这是类似于我的问题，但它有跨越深度（即第三维）单独的过滤器。

在最简单的情况下out_channels = 1这个卷积可以被写为：

def spatial_conv(input, filter): 
    return tf.reduce_sum(tf.mul(input, filter), [3], keep_dims=True) 

input.dim=[batch_size, input_width, input_height, channels]哪里和filter.dim=[input_width, input_height, channels]。我想通过连接来自相同输入和不同（但相同形状）滤波器的输出来推广这种卷积。

Answer 1

我想你在找Torch的https://github.com/torch/nn/blob/master/doc/convolution.md#nn.SpatialConvolutionLocal之类的东西。尽管如此，请注意，目前CUDA（cunn模块）的实现有一些可怕的bug，这使得CUDA的性能比CPU更差。