tf.layers.conv3d VS tf.nn.conv3d

 

 

二者本质无区别，输入参数的方式有区别，可以看如下的例子：

import tensorflow as tf

x = tf.placeholder(tf.float32,[3,5,128,128,3])

filter1 = tf.placeholder(tf.float32,[3,5,3,3,10])
print(x.shape)
inputs = tf.layers.conv3d(
			inputs=x,
			filters=10,
			kernel_size=10,
			strides=1,
			padding='same',
			kernel_initializer=tf.truncated_normal_initializer())
print(inputs.get_shape())
inputs1 = tf.nn.conv3d(
			input=x,
			filter=filter1,
			padding="SAME",
			strides=[1,1,1,1,1])
print(inputs1.get_shape())

(3, 5, 128, 128, 3)
(3, 5, 128, 128, 10)
(3, 5, 128, 128, 10)

因为是三维卷积：

注意x的shape是（[batch, in_depth, in_height, in_width, in_channels]）

tf.layers 的filters 是 outputshape 也就是filter的个数，指的是卷积核个数，卷积核Tensor在函数内部生成。而在tf.nn.conv3d 的filter 是与x的shape相同的一个卷积核Tensor，由tf.Variable生成，在加载已经训练好的权值时很有用。

strides 也是shape的区别。