标签：python tensorflow

在张量流中,我找不到用周期性边界条件进行卷积(tf.nn.conv2d)的直接可能性.

例如.采取张量

[[1,2,3],
 [4,5,6],
 [7,8,9]]

和任何3×3过滤器.具有周期性边界条件的卷积原则上可以通过周期性填充到5×5来完成

[[9,7,8,9,7],
 [3,1,2,3,1],
 [6,4,5,6,4],
 [9,7,8,9,7],
 [3,1,2,3,1]]

然后在“有效”模式下与滤波器进行卷积.但是,功能tf.pad遗憾地不支持周期性填充.

有一个简单的解决方法吗？

解决方法:

以下内容适用于您的情况：

import tensorflow as tf
a = tf.constant([[1,2,3],[4,5,6],[7,8,9]])
b = tf.tile(a, [3, 3])
result = b[2:7, 2:7]
sess = tf.InteractiveSession()
print(result.eval())

# prints the following 
array([[9, 7, 8, 9, 7],
       [3, 1, 2, 3, 1],
       [6, 4, 5, 6, 4],
       [9, 7, 8, 9, 7],
       [3, 1, 2, 3, 1]], dtype=int32)

正如评论中所指出的,这在内存方面有点低效.如果内存对你来说是一个问题,但是愿意花一些计算,那么下面的内容也会有效：

pre = tf.constant([[0, 0, 1], [1, 0, 0], [0, 1, 0], [0, 0, 1], [1, 0, 0]])
post = tf.transpose(pre)
result = tf.matmul(tf.matmul(pre, a), post)
print(result.eval())

标签：python,tensorflow
来源： https://codeday.me/bug/20190608/1199357.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。