tf.nn.conv2d() / tf.nn.depthwise_conv2d() 和 Batchsize效益

1. 卷积函数tf.nn.conv2d() 

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=True, 
             data_format='NHWC',dilations=[1, 1, 1, 1], name=None)

对于给定的4-D张量输入，利用给定的filter执行2-D卷积运算。

• input : [batch, in_height, in_width, in_channels]
• filter : [filter_height, filter_width, in_channels, out_channels]
• padding: "SAME" / "VALID"
• data_format: Defaults to "NHWC".

算法执行过程：
1.filter压平成2D矩阵，[filter_height * filter_width * in_channels, output_channels]
2.input中提取图像块， [batch, out_height, out_width, filter_height * filter_width * in_channels]
3.对于每一个图像块，右乘滤波器矩阵和图像块向量。

实例：

    

左边代表input：[BatchSize, H, W, in_Channels]=[24,255,255,3];

右侧代表filter：Batch_size*[Filter_H, Filter_W, in_Channels, out_Channels]=[127,127,3,1]; 

所以，程序循环24次，即可以完成对一个BatchSize=24的卷积/相关操作，输出结果为：