tensorflow conv2d even和odd stride之间的不同起始索引

根据tf.nn.conv2d doc的理解，对于SAME卷积（无论跨度）第一个dot产品应该以（0,0）为中心，但正如您在步幅是奇数，第一点积似乎是围绕着（1,1）：在这个玩具示例tensorflow conv2d even和odd stride之间的不同起始索引

输入形状[5,5,1]

滤波器形状是[3,3 ， 1,1]

res = tf.nn.conv2d（X，F，strides = [1，x，x，1] ，填充= 'SAME'）

跨距为1个结果：

array([[ 1.49573362, 2.65084887, 2.96818447, 3.04787111, 1.89275599], 
    [ 3.1941781 , 4.47312069, 4.10260868, 4.13415051, 2.85520792], 
    [ 2.65490007, 3.41439581, 2.93415952, 3.65811515, 2.89861989], 
    [ 2.22547054, 2.98453856, 2.89428496, 3.29111433, 2.53204632], 
    [ 0.52702606, 1.16226625, 1.75986075, 2.20483446, 1.56959426]], dtype=float32)

步幅2结果：

array([[ 1.49573362, 2.96818447, 1.89275599], 
    [ 2.65490007, 2.93415952, 2.89861989], 
    [ 0.52702606, 1.75986075, 1.56959426]], dtype=float32)

步幅3结果：

array([[ 4.47312069, 2.85520792], 
    [ 1.16226625, 1.56959426]], dtype=float32)

这是一个错误或者我错过了什么？

来源

2017-06-30 Hillel

您是否尝试制作一个具有可实际计算的值的玩具示例？ “正如你可以在下面看到的......”我不了解你，但我什么都看不到：很多随机数字。 –

是的，我做过了，但您只需比较输出与步幅1与步幅1的输出，因为步幅结果是步幅1结果的子采样版本。例如，您可以看到步幅3的（0,0）结果是步幅1的（1,1）结果。 – Hillel

正在发生的事情是，如果额外零列的数量（来自填充）是奇数，tensorflow将在末尾添加列。

在stride = 1的示例中，它需要添加两列，所以它在开始处和末尾添加一列（意思是每边的开始，结束：左，右，上，下）。步幅= 2也会这样做。

但是，对于stride = 3，它只需添加一列，并在末尾（右侧和底部）执行。如果需要添加5列，则会在开始处（左侧，顶部）和末尾（右侧，底部）添加2个

来源

2018-03-07 23:05:07

tensorflow conv2d even和odd stride之间的不同起始索引

回答

相关问题