tf.nn.conv2d 与 tf.layers.conv2d

Question

使用 tf.nn.* 比 tf.layers.* 有什么优势吗？

例如，文档中的大多数示例都使用 tf.nn.conv2d ，但不清楚为什么要这样做。

原文由 jul 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

对于卷积，它们是相同的。更准确地说， tf.layers.conv2d （实际上 _Conv ）使用 tf.nn.convolution 作为后端。您可以遵循以下调用链： tf.layers.conv2d>Conv2D>Conv2D.apply()>_Conv>_Conv.apply()>_Layer.apply()>_Layer.__call__()>_Conv.call()>nn.convolution()...

原文由 GBY 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

正如 GBY 提到的，它们使用相同的实现。

参数略有不同。

对于 tf.nn.conv2d：

 filter: A Tensor. Must have the same type as input. A 4-D tensor of shape [filter_height, filter_width, in_channels, out_channels]

对于 tf.layers.conv2d：

 filters: Integer, the dimensionality of the output space (i.e. the number of filters in the convolution).

我会在加载预训练模型时使用 tf.nn.conv2d（示例代码： https ://github.com/ry/tensorflow-vgg16），而 tf.layers.conv2d 用于从头开始训练的模型。

原文由 Mircea 发布，翻译遵循 CC BY-SA 3.0 许可协议