张量流中的复杂卷积

我正在尝试运行一个简单的卷积，但包含复数：

r = np.random.random([1,10,10,10])
i = np.random.random([1,10,10,10])
x = tf.complex(r,i)

conv_layer = tf.layers.conv2d(
            inputs=x,
            filters=10,
            kernel_size=[3,3],
            kernel_initializer=utils.truncated_normal_complex(),
            activation=tf.nn.sigmoid)

但是我收到这个错误：

TypeError: Value passed to parameter 'input' has DataType complex128 not in list of allowed values: float16, float32

有谁知道如何在Tensorflow中实现这样的卷积？

我需要实现自定义操作，还是有更好的选择？

令人沮丧的是，复杂的矩阵乘法是可能的，例如以下运行良好：

def r():
    return np.random.random([10,10])
A = tf.complex(r(),r())
B = tf.complex(r(),r())
C = tf.multiply(A,B)
sess.run(C)

因此，我认为，没有真正的理由卷积不应该起作用（因为卷积本质上只是矩阵乘法）。

Thanks

可能为时已晚，但对于任何仍然感兴趣的人来说：将卷积应用于复杂的值数据并不像常用的数据类型（例如 float32）那么简单。有研究为此目的调查了不同的网络结构（例如，请参阅此link https://openreview.net/forum?id=SkeRTsAcYm对于“深度复杂的 U-Net”）。这些结构的实现在pytorch https://github.com/litcoderr/ComplexCNN and 张量流 https://github.com/JesperDramsch/keras-complex.