python - TensorFlow的conv2d如何跨越多个 channel ？

Question

我有一个 RGB 彩色图像，我试图使用 conv2d 对其进行训练。根据 CNN，每个过滤器都应跨过所有输入 channel 。但是在 TF 中遵循这个规则时我得到了一个错误

InvalidArgumentError: Current implementation does not yet support strides in the batch and depth dimensions.

来自 this讨论，TF 似乎只支持 conv2d 中输入 channel 的一个增量。所以我的问题是
1。有什么办法可以跨 TF 中的多个 channel 吗？
2.在 RGB 图像上使用默认步幅(即 1)是否正确？

Answer 1

在我看来，跨越 batch 或 depth 没有用。您的步幅应该类似于 [1,m,n,1]。

首先，让我们从第一个维度batch 开始。这些是您的样本，您的图像。跨越你的图像意味着你只是从训练或归纳中丢弃整个图像。

其次，深度第四维度。最初这是您的 RGB。跨越 RGB 意味着您将完全放弃一两种颜色。那没有意义。这将是大量的信息丢失。

第三，步幅的目的。当您的图像是您正在分析的像素级别(而不是颜色级别)的过采样并且您可以随意丢弃信息时，Stride 会很有用。这是激进的数据破坏。它将高清图像变成中清晰度，将中清晰度图像变成低清晰度。

即使您想对图像进行下采样(步幅 ).