与 tf.nn.conv2d_transpose 对应的 Keras 层（函数）

Question

Keras中，Tensorflow中的tf.nn.conv2d_transpose对应的层（函数）是什么？我曾经看到我们可以Just use combinations of UpSampling2D and Convolution2D as appropriate的评论。对吗？

在下面的两个例子中，都使用了这种组合方式。

1) 在Building Autoencoders in Keras中，作者构建解码器如下。

2) 在u-uet implementation 中，作者如下构建反卷积

up6 = merge([UpSampling2D(size=(2, 2))(conv5), conv4], mode='concat', concat_axis=1)
conv6 = Convolution2D(256, 3, 3, activation='relu', border_mode='same')(up6)
conv6 = Convolution2D(256, 3, 3, activation='relu', border_mode='same')(conv6)

Answer 1

Keras 中对应的层为Deconvolution2D 层。

值得一提的是，您应该非常小心它们，因为它们有时可能会以意想不到的方式表现。我强烈建议您在开始使用此层之前阅读this Stack Overflow 问题（及其答案）。

更新：

1. 反卷积是最近才添加的层 - 也许这就是人们建议您使用 Convolution2D * UpSampling2D 的原因。
2. 因为它相对较新 - 在某些情况下可能无法正常工作。它还需要一些经验才能正确使用它们。
3. 事实上 - 从数学的角度来看 - 每个反卷积都可能表示为 Convolution2D 和 UpSampling2D 的组合 - 所以也许这就是您提供的文本中提到它的原因。

更新 2：

好的。我想我找到了一个简单的解释，为什么Deconvolution2D 可能以Convolution2D 和UpSampling2D 的组合形式呈现。我们将使用Deconvolution2D 是某个卷积层的梯度的定义。让我们考虑三种最常见的情况：

1. 最简单的是Convolutional2D，没有任何池。在这种情况下——因为它是线性运算——它的梯度本身就是一个函数——所以Convolution2D。
2. 更棘手的是Convolution2D 与AveragePooling 的渐变。所以：(AveragePooling2D * Convolution2D)' = AveragePooling2D' * Convolution2D'。但是AveragePooling2D = UpSample2D * constant 的梯度 - 所以在这种情况下，介词为真时也是如此。
3. 最棘手的是MaxPooling2D。在这种情况下仍然是(MaxPooling2D * Convolution2D)' = MaxPooling2D' * Convolution2D' 但MaxPooling2D' != UpSample2D。但是在这种情况下，人们可以很容易地找到一个简单的Convolution2D，这使得MaxPooling2D' = Convolution2D * UpSample2D（直观地说——MaxPooling2D 的梯度是一个零矩阵，它的对角线上只有一个 1。因为Convolution2D 可能表示矩阵运算——它也可以表示从单位矩阵到MaxPooling2D梯度的注入）。所以： (MaxPooling2D * Convolution2D)' = UpSampling2D * Convolution2D * Convolution2D = UpSampling2D * Convolution2D'。

最后一点是证明的所有部分都表明Deconvolution2D 是UpSampling2D 和Convolution2D 的组合，而不是相反。可以很容易地证明，UpSampling2D 和 Convolution2D 的组合形式的每个功能都可以很容易地以 UpSampling2D 和 Convolution2D 的组合形式呈现。所以基本上 - 证明已经完成:)