tf.layers.conv2d 和 tf.contrib.slim.conv2d 的区别

Question

我正在尝试将我正在使用的网络从使用 tf-slim 的 conv2d 转换为使用 tf.layers.conv2d，因为看起来 tf.layers 是更受支持且面向未来的选项。函数签名非常相似，但是两者之间在算法上有什么不同吗？我得到的输出张量维度与预期不同。x = tf.layers.conv2d(inputs=x,                     filters=256,                     kernel_size=[3,3],                     trainable=True)与此相反：x = slim.conv2d(x, 256, 3)

Answer 1

我得到的输出张量维度与预期不同。

这是因为默认情况下， slim.conv2d 使用相同的填充，而 tf.layers.conv2d 使用有效的填充。

如果你想重现完全相同的行为，这里是正确的实现：

x = tf.layers.conv2d(x, 256, 3, padding='same')