我正在使用一个 TFRecord 数据集，该数据集由 3D 对象横截面的多个灰度图像组成，最终形状为 [32, 256, 256]。 32的尺寸代表横截面的数量，它明显小于其他尺寸。
因此，我想知道是否可以将数据视为具有 32 个 channel 的 2D 数据，而不是将数据视为具有一个 channel 的 3D 数据，这尤其有助于所需的计算资源。我现在在 Google Colab 中将 TensorFlow 与 TPU 结合使用，并且使用 tf.layers.conv2d 而不是 tf.layers.conv3d 可以通过减少填充来节省大量内存.
这两种方法之间是否有任何显着差异，或者是否有我应该遵循的约定？使用 conv2d 会以任何方式损害我的准确性吗？
最佳答案
与完全连接的 2D 层相比，卷积层的主要好处之一是权重是 2D 区域的局部权重，并在所有 2D 位置(即滤波器)上共享。这意味着图像中的辨别模式即使出现多次或出现在不同位置，也只能被学习一次。 IE。它对翻译有一定的不变性。
对于 3D 信号，您需要确定是否需要滤波器输出对深度不变，也就是说，区分性特征可能出现在图像中的任何一个或多个深度处，或者特征的深度位置是否存在是相对固定的。前者需要 3D 卷积，后者则可以使用具有大量 channel 的 2D 卷积。
例如(这是我编的 - 我没有研究过)，假设您对某人的肺部进行了 3D 扫描，并且您正在尝试对是否存在肿瘤进行分类。为此，您需要 3D 卷积，因为代表“肿瘤”的滤波器组合需要对该肿瘤的 X、Y 和 Z 位置保持不变。如果在这种情况下使用 2D 卷积，则训练集必须在所有不同 Z 位置都有肿瘤的示例，否则网络将对 Z 位置非常敏感。
顺便说一句:CNN 与 LSTM 是另一种处理 3D 数据的方法。
关于tensorflow - 我应该对 3D 灰度图像使用 2D 还是 3D 卷积？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/58897321/