TensorFlow中Conv2D实现原理及滤波器定义的疑问

1. 用单个数字定义滤波器尺寸的原理 #

在TensorFlow的Keras Conv2D层中，用单个数字（比如3）指定滤波器尺寸，是正方形卷积核的简写形式，完全等同于传入元组(3, 3)。因为正方形卷积核是卷积神经网络里最常用的设计，框架为简化代码支持这种写法。比如你给出的示例代码：

layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3))

和下面的写法功能、计算过程完全一致：

layers.Conv2D(32, 3, activation='relu', input_shape=(32, 32, 3))

2. TensorFlow中Conv2D层的卷积运算过程 #

结合你提供的示例代码，具体运算步骤如下：

• 参数对应：input_shape=(32, 32, 3)表示输入是32×32像素的RGB图像（3个颜色通道）；32是输出通道数，也就是要学习的卷积核总数量；(3,3)是单个卷积核的空间尺寸（高×宽）。
• 卷积核结构：每个卷积核的完整尺寸是3×3×3——前两个维度对应空间大小，第三个维度和输入通道数一致，确保能和输入的每个通道做对应计算。
• 滑动计算：每个卷积核在输入图像的空间维度上滑动，默认步长为1（每次移动1个像素）。滑动时，卷积核与输入图像的对应区域做元素相乘后求和，得到一个标量值。
• 特征图生成：单个卷积核滑动完整个输入后，会生成一张30×30的特征图（计算方式：32-3+1=30，无padding时的尺寸）。32个卷积核会生成32张这样的特征图，堆叠后形成30×30×32的输出张量。
• 激活处理：最后通过relu激活函数，将输出张量中的所有负数值替换为0，得到最终的特征表示。

内容的提问来源于stack exchange，提问作者gus