Keras问题下的反卷积答案

【问题标题】：Deconvolution under Keras issuesKeras问题下的反卷积
【发布时间】：2017-01-13 17:17:29
【问题描述】：

我正在尝试将 keras 的 Deconvolution2D 与 Tensorflow 后端一起使用。

但我遇到了一些问题。首先，在 output_shape 中，如果我为 batch_size 传递 None，我会收到此错误：

TypeError: Expected binary or unicode string, got None

如果我通过我使用的批量大小更改 None，这是错误..：

InvalidArgumentError (see above for traceback): Conv2DCustomBackpropInput: input and out_backprop must have the same batch size
 [[Node: conv2d_transpose = Conv2DBackpropInput[T=DT_FLOAT, data_format="NHWC", padding="VALID", strides=[1, 2, 2, 1], use_cudnn_on_gpu=true, _device="/job:localhost/replica:0/task:0/cpu:0"](conv2d_transpose/output_shape, transpose, Reshape_4)]]

这是我使用的模型：

model = Sequential()

reg = lambda: l1l2(l1=1e-7, l2=1e-7)
h = 5
model.add(Dense(input_dim=100, output_dim=nch * 4 * 4, W_regularizer=reg()))
model.add(BatchNormalization(mode=0))
model.add(Reshape((4, 4, nch)))
model.add(Deconvolution2D(256, h,h, output_shape=(128,8,8,256 ), subsample=(2,2), border_mode='same'))
model.add(BatchNormalization(mode=0, axis=1))
model.add(LeakyReLU(0.2))
model.add(Deconvolution2D(256, h,h, output_shape=(128,16,16,256 ), subsample=(2,2), border_mode='same'))
model.add(BatchNormalization(mode=0, axis=1))
model.add(LeakyReLU(0.2))
model.add(Deconvolution2D(64, h,h, output_shape=(128,32,32,64), subsample=(2,2), border_mode='same'))
model.add(BatchNormalization(mode=0, axis=1))
model.add(LeakyReLU(0.2))
model.add(Convolution2D(3, h, h, border_mode='same', W_regularizer=reg()))
model.add(Activation('sigmoid'))
model.summary()

【问题讨论】：

为什么要将batch_size设置为None？
@MarcinMożejko ：因为在 Keras 中，None 意味着可变批量大小。（就像 Tensorflow 中的 -1）

标签： tensorflow neural-network deep-learning keras

【解决方案1】：

这是 Keras 以前版本中反卷积的一个烦恼，总是必须给出固定的批量大小并手动计算 output_shape。这也意味着您的数据集大小必须能被“batch_size”整除，否则会在最后一个（较小的）批次上引发错误。

幸运的是，这已在 Keras 2.0 中得到修复。 Deconvolution2D 已被 Conv2DTranspose 取代，您甚至不必再将 output_shape 作为参数：

    model.add(Conv2DTranspose(filters=256, kernel_size=(h,h), strides=(2,2), padding='same'))

【讨论】：