从卷积（GAN）获得所需的输出

Question

我试图为cifar10编写GAN模型。 但我有一个问题。

如何从卷积网络获得所需的输出（3x32x32）？ 我实际上从我为mnist找到的模型中启发了我的模型：

model = Sequential()
model.add(Dense(input_dim=100, output_dim=1024))
model.add(Activation('tanh'))
model.add(Dense(128*7*7))
model.add(BatchNormalization())
model.add(Activation('tanh'))
model.add(Reshape((128, 7, 7), input_shape=(128*7*7,)))
model.add(UpSampling2D(size=(2, 2)))
model.add(Convolution2D(64, 5, 5, border_mode='same'))
model.add(Activation('tanh'))
model.add(UpSampling2D(size=(2, 2)))
model.add(Convolution2D(3, 5, 5, border_mode='same'))

所以，从那里，我的输出为3x28x28 你知道我怎么能得到3x32x32吗？ 谢谢！

Answer 1

您可以执行PaddingLayers（https://keras.io/layers/convolutional/#zeropadding2d）然后应用卷积来获取合理的输出或执行另一次Upsampling，然后使用border_mode ='valid'应用连续的Convolutions来获取corect输出大小。您可以提前完成卷积，这样您就不需要那么多了。