Theano：用张量B的每个通道卷积张量A的每个通道

Question

我有两种形式的4D张量：(1, num_channels, r, c)。

我假设这里有1个迷你批次，而num_channels_a！= num_channels_b

我想将张量A的每个通道与张量B的每个通道卷积并收集结果： result =（num_channels_a，num_channel_b，result_r，result_c）

在普通的老蟒蛇中，这是直截了当的：

result = np.zeros((tensorA.shape[1], tensorB.shape[1], result_shape_r, result_shape_c))
for channelA in xrange(0, tensorA.shape[1]):
    for channelB in xrange(0, tensorB.shape[1]):
        result[channelA, channelB] = scipy.signal.convolve2d(tensorA[0][channelA], tensorB[0][channelB], mode='valid')

这显然是非常缓慢和低效的。它确实应该是并行化的主要候选者，因为每个通道组合的卷积独立于任何其他通道组合。

我尝试使用theano.tensor.nnet.conv2d实现基于Theano的功能。此theano函数假定其输入格式为：(batch size, input channels, input rows, input columns)与(output channels, input channels, filter rows, filter columns)

卷积

显然，形状对应于“输入通道”，并且是神经网络中常见的卷积方法，将输入数据与一组与输入数据匹配相同通道深度的滤波器进行卷积。这并不是我想要实现的目标。

我尝试使用th.scan循环遍历B的通道，然后复制此通道[r，c] vals a_num_channels次以使用张量A进行卷积，但这不正确。

例如，我的张量可以是A（1,40,19,19）和B（1,100,10,10）。在这种情况下，我想得到（40,100,10,10）

的结果

关于我如何能够完成我在Theano函数中描述的内容的任何想法？