python - tf.layers.conv2d和tf.contrib.slim.conv2d之间的区别

我正在尝试将使用的网络从使用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 future 的选项。函数签名非常相似，但是两者在算法上有什么不同？我得到的输出张量尺寸与预期的不同。

x = tf.layers.conv2d(inputs=x,
                     filters=256,
                     kernel_size=[3,3],
                     trainable=True)

与此相反:

x = slim.conv2d(x, 256, 3)

最佳答案

I'm getting different output tensor dimensions than expected.

这是由于以下事实: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。

如果要重现完全相同的行为，请使用以下正确的实现:

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

关于python - tf.layers.conv2d和tf.contrib.slim.conv2d之间的区别，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/52267314/