Tensorflow：撤消全局平均池化

Question

在 Tensorflow 中，我在网络末端执行以下全局平均池化：

x_ = tf.reduce_mean(x, axis=[1,2])

我的张量x 的形状为(n, h, w, c)，其中n 是输入的数量，w 和h 对应于宽度和高度尺寸，c 是通道/过滤器的数量.

从张量x 开始，在调用tf.reduce_mean() 之后，张量大小为(n, h, w, c)，结果张量的大小为(n, c)。

我怎样才能扭转这个过程？如何进行 unpooling 操作？

编辑

这是一个没有按预期工作的示例：

import tensorflow as tf
import numpy as np

n, c = 1, 2 
h, w = 2, 2

x = tf.ones([n, h, w, c])
y = tf.reduce_mean(x, axis=[1,2], keepdims=True)
z = tf.reshape(y, [n, 1, 1, c])
u = tf.tile(z, [n, h, w, c])

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(x)
    print("x", sess.run(x))
    print("\n")
    print(y)
    print("y", sess.run(y))
    print("\n")
    print(z)
    print("z", sess.run(z))
    print("\n")
    print(u)
    print("u", sess.run(u))

输出是：

Tensor("ones:0", shape=(1, 2, 2, 2), dtype=float32)
x [[[[1. 1.]
   [1. 1.]]

  [[1. 1.]
   [1. 1.]]]]


Tensor("Mean:0", shape=(1, 1, 1, 2), dtype=float32)
y [[[[1. 1.]]]]


Tensor("Reshape:0", shape=(1, 1, 1, 2), dtype=float32)
z [[[[1. 1.]]]]


Tensor("Tile:0", shape=(1, 2, 2, 4), dtype=float32)
u [[[[1. 1. 1. 1.]
   [1. 1. 1. 1.]]

  [[1. 1. 1. 1.]
   [1. 1. 1. 1.]]]]

Answer 1

您可以使用tf.reshape 和tf.tile 进行取消池化操作。

x = tf.random_uniform([n, c])
y = tf.reshape(x, [n, 1, 1, c])
z = tf.tile(y, [1, h, w, 1])

在调用tf.reshape 和tf.tile 之后，从大小为(n, c) 的张量x 开始，生成的张量z 的大小为(n, h, w, c)。