Alguém sabe se existe uma generalização da rede convolucional que funciona com tensores de entrada 4D em vez de 3D. Geralmente, pelo que entendi, os filtros de rede convolucionais aceitam uma certa extensão de coordenadas x, y por filtro e toda a profundidade dessa extensão também. Eu tenho uma dimensão adicional que precisaria ser necessária dentro dos filtros para que a entrada fizesse algum sentido.
É possível usar uma rede convolucional tradicional para isso ou existe uma abstração que funcione para dados n-dimensionais?
neural-networks
conv-neural-network
dobafresh
fonte
fonte
Respostas:
O fluxo de tensão define a convolução em N dimensões e a camada RELU transposta é independente da dimensão, o único problema que você terá é com as camadas de pool que você precisará implementar por conta própria (sinta-se à vontade para enviá-las posteriormente para contribuições tf). Acho que seu problema é perfeitamente solucionável com TF
fonte