为什么我只能通过 tf.nn.conv2d 获得一个通道输出？

Question

import tensorflow as tf 
import numpy as np 
import matplotlib.pyplot as plt 
from scipy.misc import imread

img = imread('dog2.jpg')
#img is a shape of (360, 480, 3)

w =  img.shape[0]
h =  img.shape[1]
c =  img.shape[2]
k = 3 # for my convenience 

plt.subplot(1,2,1)
plt.imshow(img)
img = tf.cast(img, tf.float32)
img4d = tf.reshape(img,[1,w,h,c])
diag = np.array([[1,1,1],[0,0,0],[1,1,1]]*k, np.float32)
# diag = np.diag(diag)
diag4d = tf.reshape(diag,[k,k,c,1])
convolved = tf.nn.conv2d(img4d, diag4d, strides=[1,1,1,1], padding='SAME')

with tf.Session() as sess:
    result = sess.run(convolved)
    print result.shape
    plt.subplot(1,2,2)
    plt.imshow(np.squeeze(result))
    plt.show()

我只是尝试使用卷积并最初应用一些模糊效果。是的，我知道我的内核值不正确。但我的问题是，我给出的输入图像有 3 个通道。我怎样才能得到 3 个通道的输出图像。好。我试过。但我得到的只是一些单独的引导值。

Answer 1

您正在将形状为[3, 3, 3, 1] 的内核传递给tf.nn.conv2d()。如果你想从你的卷积中得到一个 3 通道的图像输出，你的内核的第四维（在official documentation 中称为out_channels）应该是3 而不是1；以[3, 3, 3, 3] 为例。

您还可以查看conv2d documentation、this question 和this question 以更好地了解Tensorflow 的conv2d 方法。