Tensorflow tf.layers.conv3d 输出形状答案

【问题标题】：Tensorflow tf.layers.conv3d output shapeTensorflow tf.layers.conv3d 输出形状
【发布时间】：2019-07-04 20:10:07
【问题描述】：

我有一个关于 tf.layers.conv3d 的问题。如果我理解正确，它需要输入形状

（批次 x 深度 x 高度 x 宽度 x 通道）

通道应该只有一个；并给定一个过滤器（深度x高度x宽度），它创建#filters相同形状的不同过滤器以创建#filters输出通道并将它们与输入进行卷积以获得形状的输出

（批次 x out_depth x out_height x out_width x num_filters）

首先，我现在是吗？问题是：在我看来，这一层不遵守卷积层的输入、输出、过滤器和步幅形状的约束规则，应该是：

(W-F+2P)/S+1

如here 所述。相反，输出深度宽度和高度始终与输入相同。怎么了？感谢您的帮助！

【问题讨论】：

如果你使用padding='same'会发生这种情况
请说明具体的输入、内核和输出大小，以及传递给conv3d 的padding、stride 和dilation 选项。您发布的公式是正确的，但可能不清楚每个参数的精确值是多少（此外，如果您使用它，它不包括膨胀）。顺便说一句，输入端可以有多个通道，不需要固定为一个。

标签： python tensorflow conv-neural-network convolution

【解决方案1】：

kinda true but if input shape, filter shape and strides:
[Batch, depth, height, width, channels]
[filter_depth,filter_height,filter_width,in_channels,out_channels]
[1,s1,s2,s3,1]

output shape
[Batch,int(depth/s1),int(height/s2),int(width/s3),out_channels]

tf.layers.conv3d 是 tf.layers.convolution 的特例

了解填充算法： https://www.tensorflow.org/api_guides/python/nn#Convolution

为了理解卷积操作： https://www.tensorflow.org/api_docs/python/tf/nn/convolution

【讨论】：