我正在研究一个使用 tf.keras.Conv2D 的模型，该模型在一段时间内分析多个模式平面，模型输入形状为 (None, 9, 19, 19)，9 是数字观察到的时间范围。输入形状之所以如此，是因为我在时间上对齐 19x19 模式以形成一个数组。当转换为 tf.constant 时，该数组的形状为 (9, 19, 19)。
这里有一个问题：tf.keras.Conv2D 默认将输入形状的最后一个条目视为深度，并保持第二个和第三个条目一致。这意味着如果我保持网络输入形状，新的 Conv2D 层采用的形状将具有形状 (None, 9, 19, filter_numer) 但我想要的 2D 维度是 19x19，而不是 9x19。如果我将输入形状从 (9, 19, 19) 更改为 (19, 19, 9)，所花费的时间将大大增加，因为会有很多评估。我的程序要求处理时间尽可能短，重塑矩阵将花费比我希望的更多的时间。任何建议将不胜感激。
【问题讨论】：
标签： python tensorflow keras
我想通了，Conv2D 有一个名为 data_format 的可选参数。如果 data_format == 'channels_first'（默认为 'channels_last'），则新的 Conv2D 层将具有预期的形状（None, filter_number, 19, 19）。
很遗憾，TensorFlow 2.2 尚不支持 channels_first 数据格式：
tensorflow.python.eager.core._NotOkStatusException: UnimplementedError: {{function_node __inference_keras_scratch_graph_1087}} The Conv2D op currently only supports the NHWC tensor format on the CPU. The op was given the format: NCHW
[[{{node conv2d/Conv2D}}]] [Op:__inference_keras_scratch_graph_1087]
Convert between NHWC and NCHW in TensorFlow 提供了另一种转换方式。
（我刚刚意识到我对这个库的了解真的很浅……）
【讨论】：