具有动态输入宽度和高度的反卷积网

Question

我正在使用tensorflow实现U-NET（deconv net）。

问题源于我的输入占位符具有无类型维度。     x = tf.placeholder（tf.float32，[None，None，None，1]）

卷积很好，但是在执行反卷积时会发生错误。

以下是我收到错误的代码部分：

output_shape = list(input_shape)
output_shape[1] *= stride
output_shape[2] *= stride
output_shape[3] = output_channels

deconv = tf.nn.conv2d_transpose(input_tensor, kernel, output_shape, [1, stride, stride, 1], padding='SAME')

我在'output_shape [1] * = stride'时收到错误，所以我决定不学习上采样滤波器，而是使用双线性插值

tf.image.resize_images(dw_h_convs[4], [dw_h_convs[4].get_shape().as_list()[1] * 2, dw_h_convs[4].get_shape().as_list()[2] * 2])

但同样，我收到如下错误消息：TypeError：*支持的操作数类型*：'NoneType'和'int'

显然，似乎无类型不能乘以常数。

有什么方法可以绕过这个问题并使用动态图像宽度和高度来运行deconv net吗？

感谢。