如何为大小为 128x128x3 的图像构建用于输入层内核初始化的 sobel 过滤器?

Question

这是我的sobel过滤器代码：

def init_f(shape, dtype=None):
sobel_x = tf.constant([[-5, -4, 0, 4, 5], [-8, -10, 0, 10, 8], [-10, -20, 0, 20, 10], [-8, -10, 0, 10, 8], [-5, -4, 0, 4, 5]])
ker = np.zeros(shape, dtype)
ker_shape = tf.shape(ker)
kernel = tf.tile(sobel_x, ker_shape)//*Is this correct?*
return kernel
model.add(Conv2D(filters=30, kernel_size=(5,5), kernel_initializer=init_f, strides=(1,1), activation='relu'))

到目前为止，我已经设法做到了这一点。 但是，这给了我错误：

Shape must be rank 2 but is rank 4 for 'conv2d_17/Tile' (op: 'Tile') with input shapes: [5,5], [4].

张量流版本：2.1.0

Answer 1

您很接近，但要平铺的参数似乎不正确。这就是为什么您收到错误"形状必须是等级 2，但等级为 4..."你sobel_x必须是秩 4 张量，所以你需要再添加两个维度。我在这个例子中使用了重塑。

from tensorflow import keras
import tensorflow as tf
import numpy
def kernelInitializer(shape, dtype=None):
print(shape)    
sobel_x = tf.constant(
[
[-5, -4, 0, 4, 5], 
[-8, -10, 0, 10, 8], 
[-10, -20, 0, 20, 10], 
[-8, -10, 0, 10, 8], 
[-5, -4, 0, 4, 5]
], dtype=dtype )
#create the missing dims.
sobel_x = tf.reshape(sobel_x, (5, 5, 1, 1))
print(tf.shape(sobel_x))
#tile the last 2 axis to get the expected dims.
sobel_x = tf.tile(sobel_x, (1, 1, shape[-2],shape[-1]))
print(tf.shape(sobel_x))
return sobel_x
x1 = keras.layers.Input((128, 128, 3))
cvl = keras.layers.Conv2D(30, kernel_size=(5,5), kernel_initializer=kernelInitializer, strides=(2,2), activation='relu')
model = keras.Sequential();
model.add(x1)
model.add(cvl)
data = numpy.ones((1, 128, 128, 3))
data[:, 0:64, 0:64, :] = 0
pd = model.predict(data)
print(pd.shape)
d = pd[0, :, :, 0]
for row in d:
for col in row:
m = '0'
if col != 0:
m = 'X'
print(m, end="")
print("")

我考虑使用expand_dims而不是重塑，但似乎没有任何优势。broadcast_to看起来很理想，但您仍然需要添加尺寸，所以我认为它并不比瓷砖更好。

为什么同一个过滤器有 30 个过滤器？之后会改变吗？