Question

根据此paper，输出形状为N + H - 1，N为输入高度或宽度，H为内核高度或宽度。这是卷积的明显逆过程。这个tutorial给出了计算卷积输出形状的公式，(W−F+2P)/S+1，W - 输入大小，F - 过滤器大小，P - 填充大小，S - 跨步。但在Tensorflow中，有一些测试用例如：

  strides = [1, 2, 2, 1]

  # Input, output: [batch, height, width, depth]
  x_shape = [2, 6, 4, 3]
  y_shape = [2, 12, 8, 2]

  # Filter: [kernel_height, kernel_width, output_depth, input_depth]
  f_shape = [3, 3, 2, 3]

因此，我们根据公式y_shape使用f_shape，x_shape和(W−F+2P)/S+1来计算填充大小P。从(12 - 3 + 2P) / 2 + 1 = 6开始，我们得到P = 0.5，这不是整数。解卷积如何在Tensorflow中发挥作用？

Answer 1

进行反卷积，

output_size = strides * (input_size-1) + kernel_size - 2*padding

strides，input_size，kernel_size，padding是整数 “有效”

的填充为零

Answer 2

本教程中输出大小的公式假设填充POSIXct在图像之前和之后（左侧和右侧或顶部和底部）相同。然后，你放置内核的地方数量是： POSIXlt。

但是，tensorflow还可以处理你需要将更多像素填充到一侧而不是另一侧的情况，以便内核能够正确匹配。您可以在docs中详细了解选择填充（P和W (size of the image) - F (size of the kernel) + P (additional padding before) + P (additional padding after)）的策略。您正在讨论的测试使用方法"SAME"。

Answer 3

这个讨论非常有用。只需添加一些其他信息。 padding='SAME'也可以让底部和右侧获得一个额外的填充像素。根据{{3}}和下面的测试用例

strides = [1, 2, 2, 1]
# Input, output: [batch, height, width, depth]
x_shape = [2, 6, 4, 3]
y_shape = [2, 12, 8, 2]

# Filter: [kernel_height, kernel_width, output_depth, input_depth]
f_shape = [3, 3, 2, 3]

正在使用padding ='SAME'。我们可以将padding ='SAME'解释为：

(W−F+pad_along_height)/S+1 = out_height,
(W−F+pad_along_width)/S+1 = out_width.

所以(12 - 3 + pad_along_height) / 2 + 1 = 6，我们得到pad_along_height=1。 pad_top=pad_along_height/2 = 1/2 = 0（整数除法），pad_bottom=pad_along_height-pad_top=1。

对于padding ='VALID'，如建议的名称，我们在适当的时候使用填充。首先，我们假设填充像素= 0，如果这不起作用，那么我们在原始输入图像区域之外的任何值处添加0填充。例如，下面的测试用例，

strides = [1, 2, 2, 1]

# Input, output: [batch, height, width, depth]
x_shape = [2, 6, 4, 3]
y_shape = [2, 13, 9, 2]

# Filter: [kernel_height, kernel_width, output_depth, input_depth]
f_shape = [3, 3, 2, 3]

conv2d的输出形状是

out_height = ceil(float(in_height - filter_height + 1) / float(strides[1]))
           = ceil(float(13 - 3 + 1) / float(3)) = ceil(11/3) = 6
           = (W−F)/S + 1.

原因(W−F)/S+1 = (13-3)/2+1 = 6，结果为整数，我们不需要在图片边框周围添加0像素，TensorFlow document中pad_top=1/2，pad_left=1/2 } padding ='VALID'部分都是0。

使用张量流

3 个答案: