在Tensorflow/Keras中执行卷积2D +平均池化

Question

已知卷积具有结合性质：(A*B)*C=A*(B*C)，其中(*)表示卷积算子。在keras中，执行2D卷积+ 2D平均池(使用strides=(2,2))比仅使用strides=(1,1)执行一次卷积开销更低。我认为这是可能的，应用结合属性，首先做内核B和C的卷积，但我试图通过A*(B*C)而不是(A*B)*C来实现相同的结果，其中A是图像输入，B和C是内核，但结果与keras不同。

确实有可能首先卷积内核，K=B*C，最后将输入卷积成K: A*K？

Answer 1

• (A * B) *C不等于A* (B * C)
• (A * B)是矩阵乘法，但(B * C)不是，你不能只是逆转