Я следую за вопросом и ответом от stackoverflow
, однако я все еще не понимаю, что такое начальный индекс и стратегия заполнения из tf.nn.conv2d после того, как у меня пройдут следующие тесты, надеюсь, кто-нибудь подскажет мне, особенно на нечетных и четных шагах
высота массива (h), размер ядра (f), номер шага (ов)
h,f,s = 4,3,2
номер заполнения в левом столбце (pl), заполнение в правом столбце (pr) изmatrix x
pl = int((f-1)/2)
pr = int(np.ceil((f-1)/2))
tf.reset_default_graph()
x = np.arange(1*h*h*1).reshape(1,h,h,1)
w = np.ones((f,f,1,1))
xc = tf.constant(x,np.float32)
wc = tf.constant(w,np.float32)
xp = np.pad(x,((0,0),(pl,pr),(pl,pr),(0,0)),'constant',constant_values = 0)
xcp = tf.constant(xp,np.float32)
zs = tf.nn.conv2d(xc,wc,strides=[1,s,s,1],padding='SAME')
zv = tf.nn.conv2d(xc,wc,strides=[1,s,s,1],padding='VALID')
zp = tf.nn.conv2d(xcp,wc,strides=[1,s,s,1],padding='VALID')
with tf.Session() as sess:
os = sess.run(zs)
ov = sess.run(zv)
op = sess.run(zp)
print('x shape: ', x.shape,' kernel: ',f,' stride: ',s,'\n',x[0,:,:,0])
print(' 'SAME' os shape: ', os.shape,'\n',os[0,:,:,0])
print(' 'VALID' ov shape: ', ov.shape,'\n',ov[0,:,:,0])
print(' 'VALID' op shape: ', op.shape,' pl: ',pl,' pr: ', pr,'\n',op[0,:,:,0])
в случае объединения в свертку, заполнение нулями должно заполнять массив x так, как я определяю xp , однакоя не могу понять, как убедить его начальный индекс
исходная матрица x
x shape: (1, 4, 4, 1) kernel: 3 stride: 2
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]]
В свертке «того же» типа, почему tf.nn.conv2d не дополняет нольслева в этом случае?
'SAME' os shape: (1, 2, 2, 1)
[[45. 39.]
[66. 50.]]
действительная свертка на матрице x
'VALID' ov shape: (1, 1, 1, 1)
[[45.]]
действительная свертка типа после нуля в годdding from xp (как мой ожидаемый результат)
'VALID' op shape: (1, 2, 2, 1) pl: 1 pr: 1
[[10. 24.]
[51. 90.]]