我正在使用一个 TFRecord 数据集，该数据集由 3D 对象横截面的多个灰度图像组成，最终形状为 [32, 256, 256]。32的尺寸代表横截面的数量，它明显小于其他尺寸。
因此，我想知道是否可以将数据视为具有 32 个通道的 2D 数据，而不是将数据视为具有 1 个通道的 3D 数据，尤其是在所需的计算资源方面有帮助。我现在正在 Google Colab 中使用 TensorFlow 和 TPU，并且使用 TensorFlow可以tf.layers.conv2d通过tf.layers.conv3d减少填充来节省大量内存。
这两种方法之间是否有任何显着差异，或者是否有我应该遵循的约定？使用会conv2d以任何方式损害我的准确性吗？