tensorflow中卷积2d和conv2d在使用上的区别答案

【问题标题】：difference between convolution2d and conv2d in tensorflow in terms of ussagetensorflow中卷积2d和conv2d在使用上的区别
【发布时间】：2017-04-24 11:39:29
【问题描述】：

在用于 2D 卷积的 TensorFlow 中，我们有：

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None,
             data_format=None, name=None)

和

tf.contrib.layers.convolution2d(*args, **kwargs)

我不确定差异？
如果我想使用特殊的过滤器，我知道我应该使用第一个，对吗？但还有什么？尤其是关于输出？

谢谢

【问题讨论】：

标签： filter tensorflow deep-learning convolution

【解决方案1】：

tf.nn.conv2d(...) 是 TensorFlow 提供的核心低级卷积功能。 tf.contrib.layers.conv2d(...) 是围绕 core-TensorFlow 构建的更高级别 API 的一部分。

请注意，在当前的 TensorFlow 版本中，部分层现在也在核心中，例如tf.layers.conv2d.

区别很简单，tf.nn.conv2d 是一个运算，只做卷积，没有别的。 tf.layers.conv2d 做得更多，例如它还为内核和偏差创建变量。

查看使用 Tensorflow 核心 (here) 的 CNN 上的 Tensorflow 教程。使用低级 API，卷积层的创建方式如下：

def conv2d(x, W):
    return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)

将其与 CNN 的 TF 层教程 (here) 进行比较。使用 TF 层，卷积层的创建方式如下：

conv1 = tf.layers.conv2d(
  inputs=input_layer,
  filters=32,
  kernel_size=[5, 5],
  padding="same",
  activation=tf.nn.relu)

在不知道您的用例的情况下：您很可能想使用tf.layers.conv2d。

【讨论】：

嗨@sepidehsadatHoseyni，欢迎来到StackOverflow。这个答案对我来说看起来不错，而且您似乎也很满意，因此您应该将其标记为“已接受”。谢谢！

【解决方案2】：

在 Tensorflow 2.x 中 tf.keras.layers.Conv2D 和 tf.keras.layers.Convolution2D 之间没有区别。 Here's the link for the illustration

在 tensorflow 2.x 中，keras 是 tensorflow 中的 API

【讨论】：