python - tensorflow 中补丁的点积

Question

我有两个相同大小的方阵和一个方片的尺寸。我想计算每对补丁之间的点积。本质上我想实现以下操作:

def patch_dot(A, B, patch_dim):
    res_dim = A.shape[0] - patch_dim + 1
    res = np.zeros([res_dim, res_dim, res_dim, res_dim])
    for i in xrange(res_dim):
        for j in xrange(res_dim):
            for k in xrange(res_dim):
                for l in xrange(res_dim):
                    res[i, j, k, l] = (A[i:i + patch_dim, j:j + patch_dim] *
                                       B[k:k + patch_dim, l:l + patch_dim]).sum()

    return res

显然，这将是一个效率极低的实现。 Tensorflow 的 tf.nn.conv2d 似乎是一个自然的解决方案，因为我本质上是在进行卷积，但是我的过滤矩阵不是固定的。 Tensorflow 中是否有一个自然的解决方案，或者我应该开始考虑实现我自己的 tf-op？

Answer 1

执行此操作的自然方法是首先使用 tf.extract_image_patches 提取矩阵 B 的重叠图像 block 。 ，然后应用 tf.nn.conv2D使用 tf.map_fn 在 A 和每个 B 子补丁上运行.

使用前请注意tf.extract_image_patches和 tf.nn.conv2D您需要使用 tf.reshape 将矩阵 reshape 为形状 [1, width, height, 1] 的 4D 张量.

此外，在使用之前tf.map_fn ，您还需要使用 tf.transpose op 以便 B 子补丁由您用作 tf.map_fn 的 elems 参数的张量的第一个维度进行索引.