如何（有效地）在 TensorFlow 中应用通道级全连接层

Question

我又来找你了，我正在为我可以开始工作的事情挠头，但真的很慢。希望大家帮我优化一下

我正在尝试在 TensorFlow 中实现一个卷积自动编码器，在编码器和解码器之间有一个很大的潜在 space。通常，人们会使用全连接层将编码器连接到解码器，但由于这个潜在的 space 具有高维度，这样做会产生太多的特征，使其在计算上不可行。

我在 this paper 中找到了解决此问题的好方法。他们称之为 'channel-wise fully connected layer'。它基本上是每个通道的全连接层。

我正在努力实施并且我让它工作了，但是图表的生成需要很长时间。到目前为止，这是我的代码：

def _network(self, dataset, isTraining):
        encoded = self._encoder(dataset, isTraining)
        with tf.variable_scope("fully_connected_channel_wise"):
            shape = encoded.get_shape().as_list()
            print(shape)
            channel_wise = tf.TensorArray(dtype=tf.float32, size=(shape[-1]))
            for i in range(shape[-1]):  # last index in shape should be the output channels of the last conv
                channel_wise = channel_wise.write(i, self._linearLayer(encoded[:,:,i], shape[1], shape[1]*4, 
                                  name='Channel-wise' + str(i), isTraining=isTraining))
            channel_wise = channel_wise.concat()
            reshape = tf.reshape(channel_wise, [shape[0], shape[1]*4, shape[-1]])
        reconstructed = self._decoder(reshape, isTraining)
        return reconstructed

那么，关于为什么要花这么长时间，有什么想法吗？这实际上是一个范围（2048），但所有线性层都非常小（4x16）。我是不是用错了方法？

谢谢！

Answer 1

您可以查看他们在 Tensorflow 中对该论文的实现。这是他们对 'channel-wise fully connected layer'.

的实现

def channel_wise_fc_layer(self, input, name): # bottom: (7x7x512)
    _, width, height, n_feat_map = input.get_shape().as_list()
    input_reshape = tf.reshape( input, [-1, width*height, n_feat_map] )
    input_transpose = tf.transpose( input_reshape, [2,0,1] )

    with tf.variable_scope(name):
        W = tf.get_variable(
                "W",
                shape=[n_feat_map,width*height, width*height], # (512,49,49)
                initializer=tf.random_normal_initializer(0., 0.005))
        output = tf.batch_matmul(input_transpose, W)

    output_transpose = tf.transpose(output, [1,2,0])
    output_reshape = tf.reshape( output_transpose, [-1, height, width, n_feat_map] )

    return output_reshape

https://github.com/jazzsaxmafia/Inpainting/blob/8c7735ec85393e0a1d40f05c11fa1686f9bd530f/src/model.py#L60

主要思想是使用tf.batch_matmul函数。

但是，tf.batch_matmul在最新版本的Tensorflow中被删除了，您可以使用tf.matmul来代替它。

如何（有效地）在 TensorFlow 中应用通道级全连接层

How to (efficiently) apply a channel-wise fully connected layer in TensorFlow

python

autoencoder

deep-learning

tensorflow