如何將TensorFlow 2D卷積（tf.nn.conv2d）應用於單個（非批處理）2D圖像？

Question

我想在單個圖像示例上使用函數tf.nn.conv2d() ，但是TensorFlow文檔似乎只提到將這種轉換應用於一批圖像。

文檔提到輸入圖像必須為[batch, in_height, in_width, in_channels]形狀，內核必須為[filter_height, filter_width, in_channels, out_channels]形狀。 但是，用輸入形狀[in_height, in_width, in_channels]實現2D卷積的最直接方法是什么？

這是當前方法的示例，其中img具有形狀（高度，寬度，通道）：

img = tf.random_uniform((10,10,3))  # a single image
img = tf.nn.conv2d([img], kernel)[0] # creating a batch of 1, then indexing the single example

我正在重塑輸入，如下所示：

[in_height, in_width, in_channels]->[1, in_height, in_width, in_channels]->[in_height, in_width, in_channels]

當我僅對轉換一個示例感興趣時，這感覺像是不必要且昂貴的操作。

有沒有簡單/標准的方法可以完成此操作，而無需進行整形？

Answer 1

AFAIK無法解決。 似乎（ 在這里和這里 ）第一個操作創建了一個副本（如果我錯了，請糾正我）。 但是，您可以改用tf.expand_dims ，因為它的冗長性使IMO更具可讀性。

另一方面，從張量取0元素在這種情況下不應該執行復制，並且幾乎是免費的。

最重要的是 ，除了語法上的一些不便（例如[0] ），這些操作絕對不會花費很多 ，尤其是在執行卷積的情況下。

順便說一句。 其他可用的替代層（例如tf.keras層）也需要批量作為第一維。