如何将 TensorFlow 2D 卷积 (tf.nn.conv2d) 应用于单个（非批处理）2D 图像？答案

【问题标题】：How can I apply a TensorFlow 2D Convolution (tf.nn.conv2d) to a single (non-batch) 2D image?如何将 TensorFlow 2D 卷积 (tf.nn.conv2d) 应用于单个（非批处理）2D 图像？
【发布时间】：2019-09-18 10:07:47
【问题描述】：

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。

文档中提到输入图像的形状必须为[batch, in_height, in_width, in_channels]，并且内核的形状必须为[filter_height, filter_width, in_channels, out_channels]。但是，用输入形状[in_height, in_width, in_channels] 实现二维卷积最直接的方法是什么？

这是当前方法的一个示例，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成本高昂的操作。

是否有不涉及重塑的简单/标准方法？

【问题讨论】：

标签： python tensorflow conv-neural-network convolution

【解决方案1】：

AFAIK 没有办法解决它。似乎（here 和here）第一个操作创建了一个副本（如果我错了，请有人纠正我）。不过，您可以改用 tf.expand_dims，因为它很冗长，所以在 IMO 中更具可读性。

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

最重要的是，除了语法上的一点不便（例如[0]），这些操作绝对成本不高，尤其是在执行卷积的情况下。 p>

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。

【讨论】：