Tensorflow的tf.nn.conv2d_transpose参数

Question

最近我一直在尝试了解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] ， output_shape=[batch_size, 14, 14, 64] strides=[2,2] ，但是我不知道如何获得滤波器的形状。 有什么想法吗？

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

Answer 1

对于有关过滤器形状的第一个问题，我将使用面向对象的版本tf.layers.Conv2DTranspose并查看kernel属性以找出过滤器形状：

>>> 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>
>>> 

上第二填充问题， conv2d_transpose计算的梯度conv2d 。 由于conv2d其输入，因此conv2d_transpose需要填充其输出以适合渐变。