tf.nn.conv2d卷积(3,3,64,64)输入输出(3,2,32,64)形状原因

这个异常输出和SAME填充设置无关，是数据格式理解错误+步长参数匹配错误+输入张量维度构造错误三个问题共同导致的，步长设置确实是诱因之一，但核心是对接口维度顺序的认知偏差。 #

具体错误拆解 #

1. 未遵循tf.nn.conv2d默认的维度顺序规则 #

tf.nn.conv2d默认采用NHWC数据格式，要求传入的4维输入、步长、输出的维度顺序严格对应：

• 输入张量维度顺序：[batch_size, in_height, in_width, in_channels]
• 卷积核张量维度顺序：[kernel_height, kernel_width, in_channels, out_channels]
• strides参数要求传长度为4的列表，依次对应上述4个维度的步长，固定格式为[1, stride_h, stride_w, 1]（batch和通道维度步长必须为1）
• 输出张量维度顺序：[batch_size, out_height, out_width, out_channels]
  SAME填充模式下，空间维度的输出尺寸计算公式为：out_spatial = ceil(input_spatial / stride_spatial)

2. 输入张量维度构造不符合接口要求 #

你传入的输入、卷积核形状均为(3,3,64,64)，结合实际输出(3,2,32,64)倒推，TensorFlow按默认规则解析维度的结果为：

• batch_size=3（对应输入第一维）
• in_height=3（对应输入第二维）
• in_width=64（对应输入第三维）
• in_channels=64（对应输入第四维）
  其中卷积核被解析为3x3大小、64输入通道、64输出通道，这部分形状是符合接口要求的。
  你预期输出空间尺寸为2x2，说明你误以为输入的前两个维度是高、宽（大小均为3），但实际上你传入的宽度维度值为64，本质是构造输入张量时把本该属于通道/batch的维度错放到了宽度位置，也没有正确设置batch维度的大小。

3. 步长参数的作用维度和预期不匹配 #

你设置步长为2时，传入的strides实际为[1,2,2,1]，对应作用在输入的高度、宽度维度：

• 高度维度输入值为3，步长2，SAME填充下输出为ceil(3/2)=2
• 宽度维度输入值为64，步长2，SAME填充下输出为ceil(64/2)=32
• batch维度值3、输出通道值64保持不变
  最终输出形状刚好就是你得到的(3,2,32,64)，完全符合接口的计算逻辑。

修正方法 #

如果你预期得到空间尺寸2x2、64通道的输出，按以下步骤调整即可：

1. 重构输入张量，根据选用的数据格式补全正确的batch维度：
   • 用默认NHWC格式时，输入形状调整为[your_batch_size, 3, 3, 64]
   • 若要用NCHW（通道在前）格式，输入形状调整为[your_batch_size, 64, 3, 3]，同时调用接口时指定data_format='NCHW'，strides对应改为[1,1,2,2]
2. 保持卷积核形状(3,3,64,64)不变，strides按对应数据格式传参，padding保持SAME即可。
   以NHWC格式、batch_size=1为例，调用代码参考：

   # 输入形状(1,3,3,64)，卷积核形状(3,3,64,64)
   output = tf.nn.conv2d(
       input=x,
       filters=kernel,
       strides=[1,2,2,1],
       padding='SAME'
   )
   # 输出形状为(1,2,2,64)，符合预期
   

内容的提问来源于stack exchange，提问作者thehospitalrule