python - Conv3d 与 Conv2d 之间的区别

Question

我对 conv2d 和 conv3d 函数之间的区别有点困惑。例如，如果我有一堆 N 个图像，高度为 H，宽度为 W，并且有 3 个 RGB channel 。网络的输入可以有两种形式form1: (batch_size, N, H, W, 3) 这是一个 5 阶张量form2: (batch_size, H, W, 3N ) 这是一个 4 阶张量

问题是，如果我将具有大小为 (N,3,3) 的 M 个过滤器的 conv3d 应用到 f​​orm1 并应用具有大小为 (3,3) 的 M 个过滤器的 conv2d

它们的功能操作基本相同吗？我认为这两种形式都在时间和空间维度上交织在一起。

如果有人能帮我解决这个问题，我真的很感激。

Answer 1

如果您有一堆图像，那么您就有一个视频。您不能有两个输入表单。您有图像或视频。对于视频情况，您可以使用 3D 卷积，但未为其定义 2D 卷积。如果您按照您提到的方式堆叠 channel (3N)，则 2D 卷积会将堆栈解释为具有大量 channel 的一张图像，而不是堆栈。

请注意，使用 (batch, H, W, Channels) 的 2D 卷积与使用 (batch, H, W, Channels, 1) 的 3D 卷积相同。