Tensorflow中的卷積與Conv2d函數

Question

在Tesnorflow中，卷積網絡有一些函數被稱爲conv1d,conv2d,conv3d和convolution。如convolution文檔中所述：

計算N-D卷積的總和（實際上是互相關）。

此外，對於其他功能，我們有類似的說明，它們與它們的尺寸有關。

的問題是，如果我們使用convolution二維數據，而不是conv2d（也可用於1D和3D），在運行時間或不將得到不同的表現？ （一般在CPU或GPU版本上）。

更新

當我發現convolution是1和3之間的限制爲N，該問題的答案可能是微不足道的！

Answer 1

不，你不會得到任何處罰。 convolutionchecks the dimension of your convolution and call the appropriate specialization，如果適用。