tf.nn.conv2d()卷积函数 NHWC和NCHW格式转换

小咪咪 2022-03-01 19:48 367阅读 0赞

**1、首先介绍tf.nn.conv2d()函数, 其函数原型：**

conv2(
        input,
        filter,
        strides,
        padding,
        use_cudnn_on_gpu=None,
        data_format=None,
        name=None
    )

(1) input(输入)：类型为tf.float32或tf.float64。通常指需要做卷积的输入图像，它要求是一个张量(Tensor)，维度为4，是\[batch, in\_height, in\_width, in\_channels\]（格式简称为：NHWC）这样的形状。这4个参数的含义是\[参与训练的一批(batch)图像的数量，输入图片的高度，输入图片的宽度，输入图片的通道数\]。

(2) filter(过滤核或卷积核): 类型为tf.float32或tf.float64。实际就是CNN中的卷积核,也是一个张量(Tensor)，型状和input一样，也是4D维度，分别是\[filter\_height, filter\_width, in\_channels, out\_channels\](格式简称为:HWCN)，其含义是\[卷积核的高度， 卷积核的宽度，输入图像的通道数， 卷积核的个数\]。注意filter的第三个参数in\_channels就是参数input的第四个维度。

(3) strides: 表示卷积时在每一维度上的步长，它是一个一维向量， 长度为4，分别表示input中参数中在每一维度上的滑动窗口距离。维度的次序取决于后面的参数“data\_format”的设置。

(4) padding：填充类型， string类型，只能是"SAME"或"VALID"其中之一。它决定卷积方式是“一致性填充(SAME)”还是有效填充(VALID)”。“SAME”能保证输入图像和输出图像保持大小一致，"VALID"是卷积操作时不填充，可能会裁剪图片。

(5) use\_cudnn\_on\_gpu: 可选参数，布尔类型。表示是否在GPU上使用cudnn加速，默认为true。

(6) data\_format： 可选参数，string类型，只能是“NHWC”或“NCHW”，默认是前者。“NHWC“表示\[batch, height, width, channels\]，如果是”NCHW“表示\[batch, channels, height, width\]。

(7) name: 可选参数，给操作命名。

**2、NHWC格式和NCHW格式之间的转换**

NHWC：\[batch, in\_height, in\_width, in\_channels\]

NCHW:   \[batch, in\_channels, in\_height, in\_width\]

转换使用：tf.transpose()函数， 或者 np.transpose函数，举例：

temp2_NCHW维度为：(1, 2, 5, 5)， 数据格式为NCWH
    temp2_NHWC = tf.transpose(temp2_NCHW, [0, 2, 3, 1]) ， 这样转换后维度为(1, 5, 5, 2),格式变为NWHC；

其中第二参数\[0, 2, 3, 1\]中的数字是temp2\_NCHW每个维度对应的索引，0:表示第一个维度N, 1:表示第二维度C，2表示第三个维度W，3表示第四个维度H； 而数组\[0, 2, 3, 1\]对应的索引Index为0 ，1， 2，3； 即0维度不变， 2->1, 3->2, 1->3；

import tensorflow as tf
    import numpy as np
    image = np.array([[[[1, 2, 3,  4,  5],
                        [6, 7, 8, 9, 10],
                        [11, 12, 13, 14, 15],
                        [16, 17, 18, 19, 20],
                        [21, 22, 23, 24, 25]],
    
                       [[26, 27, 28, 29, 30],
                        [31, 32, 33, 34, 35],
                        [36, 37, 38, 39, 40],
                        [41, 42, 43, 44, 45],
                        [46, 47, 48, 49, 50]]]])
    print(image.shape)
    
    temp2_NCHW = tf.constant(image, dtype=tf.float32)  #temp2_NCHW维度为：(1, 2, 5, 5) 即batch=1, in_channels=2, in_height=5,in_width=5
    temp2_NHWC = tf.transpose(temp2_NCHW, [0, 2, 3, 1]) #转化后temp2_NHWC维度为(1, 5, 5, 2),即batch=1, in_height=5, in_width=5, in_channels=2
    print(temp2_NHWC)
    filter_NCHW = np.array([[[[1, 0, 0],
                              [0, 1, 0],
                              [1, 0, 0]],
                             [[0, 1, 0],
                              [0, 0, 1],
                              [0, 0, 0]]]])  # 卷积核此处维度为(1, 2, 3, 3)，即卷积核个数=1， 图像通道数为2， height=3, width=3
    
    filter_HWCN = filter_NCHW.transpose([2, 3, 1, 0])  # 转换后维度为：(3, 3, 2, 1)，即height=3, width=3, in_channels=2(输入图像的通道), out_channels=1（卷积核的个数）
    print(filter_NCHW.shape)
    print("卷积核转为WHCN后维度为：")
    print(filter_HWCN.shape)
    print("卷积核转为WHCN后数据为：")
    print(filter_HWCN)
    print("*"*10)
    
    filter2 = tf.constant(filter_HWCN, dtype=tf.float32)
    convolution = tf.nn.conv2d(temp2_NHWC, filter2, strides=[1, 1, 1, 1], padding="VALID")  # 输入数据类型必须是32位 或 64位
    
    with tf.Session() as sess:
        print("图像数据转化为NHWC后数据为")
        print(sess.run(temp2_NHWC))
        print("*"*10)
        result = sess.run(convolution)
        print("结果: ")
        print(result)
        print(result.shape)

运行结果为：

(1, 2, 5, 5)
    Tensor("transpose:0", shape=(1, 5, 5, 2), dtype=float32)
    (1, 2, 3, 3)
    卷积核转为WHCN后维度为：
    (3, 3, 2, 1)
    卷积核转为WHCN后数据为：
    [[[[1]
       [0]]
    
      [[0]
       [1]]
    
      [[0]
       [0]]]
    
    
     [[[0]
       [0]]
    
      [[1]
       [0]]
    
      [[0]
       [1]]]
    
    
     [[[1]
       [0]]
    
      [[0]
       [0]]
    
      [[0]
       [0]]]]
    **********
    图像数据转化为NHWC后数据为
    [[[[ 1. 26.]
       [ 2. 27.]
       [ 3. 28.]
       [ 4. 29.]
       [ 5. 30.]]
    
      [[ 6. 31.]
       [ 7. 32.]
       [ 8. 33.]
       [ 9. 34.]
       [10. 35.]]
    
      [[11. 36.]
       [12. 37.]
       [13. 38.]
       [14. 39.]
       [15. 40.]]
    
      [[16. 41.]
       [17. 42.]
       [18. 43.]
       [19. 44.]
       [20. 45.]]
    
      [[21. 46.]
       [22. 47.]
       [23. 48.]
       [24. 49.]
       [25. 50.]]]]
    **********
    结果: 
    [[[[ 79.]
       [ 84.]
       [ 89.]]
    
      [[104.]
       [109.]
       [114.]]
    
      [[129.]
       [134.]
       [139.]]]]
    (1, 3, 3, 1)

NHWC格式数据图像数据和HWCN格式的卷积核的乘法，应该仔细琢磨下；

好的相关文章（便于理解）：

[https://blog.csdn.net/weixin\_41847115/article/details/83794551][https_blog.csdn.net_weixin_41847115_article_details_83794551]

[https_blog.csdn.net_weixin_41847115_article_details_83794551]: https://blog.csdn.net/weixin_41847115/article/details/83794551