我目前正在尝试在TensorFlow中实现FCN for semantic segmentation，就像之前在Caffe here中完成的一样。
不幸的是，我正在努力完成以下三件事：
1）如何将“Deconvolution”图层从Caffe映射到TensorFlow？它是否正确tf.nn.conv2d_transpose？
2）如何将“Crop”图层从Caffe映射到TensorFlow？不幸的是，我在TensorFlow中看不到任何替代方案。在TensorFlow中是否有相同的效果？
3）Caffe SoftmaxWithLoss是否对应于TensorFlow softmax_cross_entropy_with_logits？
提前感谢您提供任何建议，提示和帮助。
编辑2016年5月9日：
1）我发现tf.nn.conv2_transpose确实对应于反卷积层。
2）现在裁剪层似乎确实是一个问题。我发现实际上存在tf.image.resize_image_with_crop_or_pad，但这似乎不可能用于此目的，因为它不能用于动态创建的张量，也不能用于{{1}之后需要使用的4D张量} layer。
可能会有更多信息：https://github.com/tensorflow/tensorflow/issues/2049
编辑2016年5月17日：
我已经关注@ 24hours建议并在张量流中构建FCN，但我无法对任意大小的数据进行训练。
2）确实不需要裁剪层。
3）我最后使用了tf.nn.conv2_transpose，它对我有用。
答案 0 :(得分：6)
感谢@ 24hours的建议，我找到了所有3个问题的答案。不幸的是，张量流中任意大小的FCN都比caffe复杂一点，但希望我能尽快解决。
1）tf.nn.conv2d_transpose可以使用。
2）不需要裁剪图层，可以使用output_size图层的tf.nn.conv2d_transpose代替。
3）最后我使用了tf.nn.sparse_softmax_cross_entropy_with_logits