我有两个相同大小的方形矩阵和一个方形补丁的尺寸 . 我想计算每对补丁之间的点积 . 基本上我想实现以下操作：
def patch_dot(A, B, patch_dim):
res_dim = A.shape[0] - patch_dim + 1
res = np.zeros([res_dim, res_dim, res_dim, res_dim])
for i in xrange(res_dim):
for j in xrange(res_dim):
for k in xrange(res_dim):
for l in xrange(res_dim):
res[i, j, k, l] = (A[i:i + patch_dim, j:j + patch_dim] *
B[k:k + patch_dim, l:l + patch_dim]).sum()
return res
显然，这将是一个非常低效的实现 . Tensorflow的tf.nn.conv2d似乎是一个很自然的解决方案，因为我基本上是在进行卷积，但是我的滤波器矩阵并没有固定 . 在Tensorflow中是否有一个自然的解决方案，或者我应该开始考虑实现我自己的tf-op？
1 回答
这样做的自然方法是首先使用tf.extract_image_patches提取矩阵B的重叠图像块，然后使用tf.map_fn在A和每个B子块上应用tf.nn.conv2D函数 .
请注意，在使用tf.extract_image_patches和tf.nn.conv2D之前，您需要使用tf.reshape将矩阵重塑为形状为
[1, width, height, 1]的4D张量 .此外，在使用tf.map_fn之前，您还需要使用tf.transpose op，以便B子补丁由张量的第一个维度索引，该张量用作tf.map_fn的
elems参数 .