Tensorflow tf.nn.conv2d clarification

Question

TensorflowチュートリアルとAPIのドキュメントを読んで、どのように畳み込み入力とフィルタ引数の形を定義したのか分かりません。方法はtf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)で、入力は形状：[batch, in_height, in_width, in_channels]で、フィルタは形状：[filter_height, filter_width, in_channels, out_channels]です。誰かが "in_channel"と "out_channel"のサイズを適切に定義する方法を明らかにすることができれば、非常に役に立ちます。

Answer 1

in_channelsは、構成レイヤーへの入力の深さを指します。たとえば、生のRGB画像をレイヤーに送る場合、レッド、グリーン、ブルーの各チャンネルに対応する深度は3になります。つまり、カーネルは実際には2Dではなく3Dです。 out_channelsは、出力の深さを示します。

properly define実験に基づいて行われるものです：hereから絵に続いて、5の3の入力深さと出力の深さを持つ例を示しています。それはネットワーク設計上の問題です。 AlexNetとVGG-16のような有名なアーキテクチャについては、実際にネットワークアーキテクチャがどのように設計されているかをご覧ください。