Я очень новичок в Tensorflow 2.4, и у меня есть вопрос.
пусть x = [3, 4, 5], h = [2, 1, 0]
используя numpy, я получаю
np.convolve(x, h) = [6, 11, 14, 5, 0]
но я понятия не имею, как это сделать через tensorflow 2.4.
Было бы очень полезно, если бы вы знали, как это сделать и получить тот же результат с numpy.
Хотя я думаю, что этот вопрос в основном дублирует этот вопрос, я можете использовать этот вопрос, чтобы придумать эквивалентный сценарий.
import tensorflow as tf
import numpy as np
I = [3, 4, 5]
K = [2, 1, 0]
I = [0] + I + [0]
i = tf.constant(I, dtype=tf.float32, name='i')
k = tf.constant(K, dtype=tf.float32, name='k')
data = tf.reshape(i, [1, int(i.shape[0]), 1], name='data')
kernel = tf.reshape(k, [int(k.shape[0]), 1, 1], name='kernel')
res = tf.squeeze(tf.nn.conv1d(data, kernel[::-1], 1, 'SAME'))
print(res)
print(np.convolve(I, K, 'SAME'))
tf.Tensor([ 6. 11. 14. 5. 0.], shape=(5,), dtype=float32)
[ 6 11 14 5 0]
В вашей ситуации важно понять, как tensorflow и numpy обрабатывают отступы. Хотя связанный вопрос хорошо объясняет это, я также хотел бы отметить тот факт, что по умолчанию np.convolve дополнение full не имеет эквивалента в tensorflow conv 1d.
