Supposons, j'ai deux ensemble d'images, A et B, chaque 11X5x5x3, où 11 est un certain nombre d'exemples et 5x5x3 est une dimension de l'image.
Existe-t-il un moyen simple dans Tensorflow d'appliquer une convolution pour chaque image dans A_i sur B_i (c'est-à-dire que B_i joue un rôle de filtre et A_i est une entrée dans tf.conv2d)? Par exemple, conv2d (A_1, B_1), conv2d (A_2, B_2), ..., conv2d (A_11, B_11)
Aucun apprentissage de poids ici ne voulait juste appliquer une convolution sur une image plutôt qu'une autre. Je essayé de le faire comme suit:Image sur Image convolution dans Tensorflow
# change B to 5x5x3x11 to be compatible with tf convolution.
tf.nn.conv2d(A, B, strides=[1,1,1,1], padding ='SAME')
mais le problème est qu'il applique à chaque convolution A_i sur toute b_i de. Je ne veux pas ça, je veux seulement A_i sur B_j où i == j. Bien sûr, je peux le faire un par un, mais ce ne serait pas efficace et je dois le faire en mode batch.
Un commentaire comment résoudre ce problème?
Merci. J
tnx pour votre temps et votre réponse. – superMind