tensorflow - 如何动态选择卷积步长？

Question

如何动态选择卷积步幅？

使用占位符似乎不起作用:

s = tf.placeholder(np.int32)
image = tf.placeholder(np.float32, [None, 3, 32, 32])
tf.layers.conv2d(image,
                 filters=32,
                 kernel_size=[3, 3],
                 strides=[s, s],
                 padding='same',
                 data_format='channels_first')

这会产生一个TypeError。

进行池化时，pool_size 和 strides 也会出现类似的困难。

Answer 1

不幸的是，Tensorflow 不允许将张量传递给 conv2d 的定义。我使用的方法基本上是以 1 的步幅运行 conv2d，然后用所需的步幅对结果进行切片。可能不是最佳方法，但它有效，并且 tf.strided_slice 可以使用张量。所以在你的情况下，它会是这样的:

s = tf.placeholder(np.int32,[4])
image = tf.placeholder(np.float32, [None, 3, 32, 32])
convoluted = tf.layers.conv2d(image,
                 filters=32,
                 kernel_size=[3, 3],
                 strides=[1,1],
                 padding='same',
                 data_format='channels_first')
result = tf.strided_slice(convoluted,
                          [0,0,0,0],
                          tf.shape(convoluted),
                          s)

然后，您可以在运行期间将 4 个步幅大小传递给 s，其中每个条目对应于卷积输入的相应维度中的步幅。