Tensorflow 的 tf.nn.conv2d_transpose 参数答案

【问题标题】：Tensorflow's tf.nn.conv2d_transpose parametersTensorflow 的 tf.nn.conv2d_transpose 参数
【发布时间】：2018-04-11 18:44:12
【问题描述】：

最近我一直在尝试理解 tensorflow 的tf.nn.conv2d_transpose，但是我很难理解它的输入参数。定义为：

tf.nn.conv2d_transpose(value, filter, output_shape, strides, padding='SAME')

例如，假设我有一个大小为[batch_size, 7, 7, 128] 的图像，并且想要将其转换为[batch_size, 14, 14, 64]。然后output_shape=[batch_size, 14, 14, 64]，strides=[2,2]，但是我不知道如何获得过滤器的形状。有什么想法吗？

此外，padding="SAME" 如何为conv2d_transpose 工作？它是应用于输出图像还是输入？

【问题讨论】：

标签： python tensorflow machine-learning computer-vision conv-neural-network

【解决方案1】：

对于关于过滤器形状的第一个问题，我会使用面向对象的版本tf.layers.Conv2DTranspose 并查看kernel 属性来确定过滤器形状：

>>> import tensorflow as tf
>>> l = tf.layers.Conv2DTranspose(filters=64, kernel_size=1, padding='SAME', strides=[2, 2])
>>> l(tf.ones([12, 7, 7, 128]))
<tf.Tensor 'conv2d_transpose/BiasAdd:0' shape=(12, 14, 14, 64) dtype=float32>
>>> l.kernel
<tf.Variable 'conv2d_transpose/kernel:0' shape=(1, 1, 64, 128) dtype=float32_ref>
>>>

在第二个填充问题上，conv2d_transpose 计算 conv2d 的梯度。由于conv2d 填充了其输入，conv2d_transpose 需要填充其输出以适应渐变。

【讨论】：