从卷积 (GAN) 获得所需的输出答案

【问题标题】：Get desired output from convolution (GAN)从卷积 (GAN) 获得所需的输出
【发布时间】：2017-05-20 04:09:26
【问题描述】：

我正在尝试为 cifar10 编写 GAN 模型。但我有一个问题。

如何从卷积网络获得所需的输出（3x32x32）？实际上，我的模型灵感来自我为 mnist 找到的模型：

model = Sequential()
model.add(Dense(input_dim=100, output_dim=1024))
model.add(Activation('tanh'))
model.add(Dense(128*7*7))
model.add(BatchNormalization())
model.add(Activation('tanh'))
model.add(Reshape((128, 7, 7), input_shape=(128*7*7,)))
model.add(UpSampling2D(size=(2, 2)))
model.add(Convolution2D(64, 5, 5, border_mode='same'))
model.add(Activation('tanh'))
model.add(UpSampling2D(size=(2, 2)))
model.add(Convolution2D(3, 5, 5, border_mode='same'))

所以，从那里，我有一个 3x28x28 的输出你知道我怎样才能得到 3x32x32 吗？谢谢！

【问题讨论】：

标签： neural-network deep-learning keras conv-neural-network keras-layer

【解决方案1】：

您可以执行 PaddingLayers (https://keras.io/layers/convolutional/#zeropadding2d)，然后应用卷积来获取合理的输出，或者执行另一个上采样，然后应用带有border_mode='valid' 的连续卷积来获取正确的输出大小。您可以更早地进行卷积，这样就不需要那么多了。

【讨论】：

谢谢！完美运行