张量流中的复杂卷积答案

【问题标题】：Complex convolution in tensorflow张量流中的复杂卷积
【发布时间】：2018-05-14 14:50:44
【问题描述】：

我正在尝试使用复数运行简单的卷积：

r = np.random.random([1,10,10,10])
i = np.random.random([1,10,10,10])
x = tf.complex(r,i)

conv_layer = tf.layers.conv2d(
            inputs=x,
            filters=10,
            kernel_size=[3,3],
            kernel_initializer=utils.truncated_normal_complex(),
            activation=tf.nn.sigmoid)

但是我得到了这个错误：

TypeError: Value passed to parameter 'input' has DataType complex128 not in list of allowed values: float16, float32

有谁知道如何在 Tensorflow 中实现这样的卷积？

我需要实现自定义操作，还是这里有更好的选择？

令人沮丧的是，复杂的矩阵乘法是可能的，例如以下运行良好：

def r():
    return np.random.random([10,10])
A = tf.complex(r(),r())
B = tf.complex(r(),r())
C = tf.multiply(A,B)
sess.run(C)

所以我认为卷积没有真正的理由不起作用（因为卷积本质上只是矩阵乘法）。

谢谢

【问题讨论】：

您使用的是哪个版本的 Tensrflow？当我使用 TF 1.0.1 时，同样的问题存在。
追踪到 github 上的一个问题：github.com/tensorflow/tensorflow/issues/2255；虽然问题已解决，但我不清楚如何在内核中使用复数。

标签： tensorflow convolution complex-numbers

【解决方案1】：

可能为时已晚，但对于任何仍然感兴趣的人来说：将卷积应用于复数值数据并不像通常的数据类型（如 float32）那么简单。有一些研究为此目的研究了不同的网络结构（例如，参见 link 的“Deep Complex U-Net”）。在pytorch 和tensorflow 中有这些结构的实现。

【讨论】：

【解决方案2】：

所有复值特征都分为笛卡尔（实数、虚数）或极坐标（模数、角度）表示。没有人真正尝试使用纯粹复杂的单一功能。我很想被证明是错的！

【讨论】：