В чем разница между tf.layers.conv2d и tf.layers.Conv2D?

1

В чем разница между tf.layers.conv2d и tf.layers.Conv2D?

Почему tf.layers.Conv2D используется в примере кода в этой статье?

Вот полный фрагмент кода:

class AddCoords(base.Layer):
    """Add coords to a tensor"""
    def __init__(self, x_dim=64, y_dim=64, with_r=False):
        super(AddCoords, self).__init__()
        self.x_dim = x_dim
        self.y_dim = y_dim
        self.with_r = with_r

    def call(self, input_tensor):
        """
        input_tensor: (batch, x_dim, y_dim, c)
        """
        batch_size_tensor = tf.shape(input_tensor)[0]
        xx_ones = tf.ones([batch_size_tensor, self.x_dim], dtype=tf.int32)
        xx_ones = tf.expand_dims(xx_ones, -1)
        xx_range = tf.tile(tf.expand_dims(tf.range(self.x_dim), 0), [batch_size_tensor, 1])
        xx_range = tf.expand_dims(xx_range, 1)
        xx_channel = tf.matmul(xx_ones, xx_range)
        xx_channel = tf.expand_dims(xx_channel, -1)
        yy_ones = tf.ones([batch_size_tensor, self.y_dim], dtype=tf.int32)
        yy_ones = tf.expand_dims(yy_ones, 1)
        yy_range = tf.tile(tf.expand_dims(tf.range(self.y_dim), 0), [batch_size_tensor, 1])
        yy_range = tf.expand_dims(yy_range, -1)
        yy_channel = tf.matmul(yy_range, yy_ones)
        yy_channel = tf.expand_dims(yy_channel, -1)
        xx_channel = tf.cast(xx_channel, 'float32') / (self.x_dim - 1)
        yy_channel = tf.cast(yy_channel, 'float32') / (self.y_dim - 1)
        xx_channel = xx_channel*2 - 1
        yy_channel = yy_channel*2 - 1
        ret = tf.concat([input_tensor, xx_channel, yy_channel], axis=-1)
        if self.with_r:
            rr = tf.sqrt(tf.square(xx_channel-0.5) + tf.square(yy_channel-0.5))
            ret = tf.concat([ret, rr], axis=-1)
        return ret

class CoordConv(base.Layer):
    """CoordConv layer as in the paper."""
    def __init__(self, x_dim, y_dim, with_r, *args, **kwargs):
        super(CoordConv, self).__init__()
        self.addcoords = AddCoords(x_dim=x_dim, y_dim=y_dim, with_r=with_r)
        self.conv = tf.layers.Conv2D(*args, **kwargs)
        def call(self, input_tensor):
            ret = self.addcoords(input_tensor)
            ret = self.conv(ret)
            return ret
  • 0
    Это реализация факела, а не тензор потока, я полагаю,
  • 0
    Пожалуйста, обратитесь к pytorch.org/docs/stable/nn.html#torch.nn.Module
Показать ещё 2 комментария
Теги:
tensorflow

2 ответа

2
Лучший ответ

tf.layers.conv2d - это простая function/method для вычисления входной свертки, поэтому для запуска этого метода необходимы feature maps ввода и kernel или filter. Один из пользователей просто вызывает этот метод для вычисления свертки.
Но tf.layers.Conv2d - это Class (концепция ООП), вы должны создать его с определенным filter прежде чем сможете его использовать. После создания экземпляра вы можете вводить в него разные входы и получать выходные данные. Один из них использует этот Class для разработки и программирования нового Class или нового типа операций для других пользователей.

Поделиться
1

призвание

y = tf.layers.conv2d(inputs, **kwargs)

теперь точно такая же, как

y = tf.layers.Conv2D(**kwargs).apply(inputs)

Таким образом, tf.layers.conv2d можно рассматривать как ярлык, когда вы не собираетесь повторно использовать объект, созданный Conv2D кроме вызова метода apply.

Поделиться

Ещё вопросы

Сообщество Overcoder
Наверх
Меню