具有张量流的解卷积/ Transpose_Convolutions

Question

我正在尝试使用tf.nn.conv3d_transpose，但是，我收到错误消息，表明我的过滤器和输出形状不兼容。

• 我有一个大小的张量[1,16,16,4,192]
• 我正在尝试使用[1,1,1,192,192]
的过滤器
• 我认为输出形状是[1,16,16,4,192]
• 我正在使用＆＃34;相同＆＃34;填充和1的步伐。

最终，我希望输出形状为[1,32,32,7，＆＃34;无所谓＆＃34;]，但我试图让一个简单的案例首先工作。

由于这些张量在常规卷积中是兼容的，我相信相反的反卷积也是可能的。

为什么不能对这些张量进行反卷积。我能得到一个有效的滤波器大小和输出形状的例子，用于形状张量的反卷积[1,16,16,4,192]

谢谢。

Answer 1

  

  
• 我有一个大小的张量[1,16,16,4,192]
  
• 我正在尝试使用[1,1,1,192,192]
的过滤器   
• 我认为输出形状是[1,16,16,4,192]
  
• 我正在使用＆＃34;相同＆＃34;填充和1的步伐。
  

是输出形状为[1,16,16,4,192]

这是一个显示尺寸兼容的简单示例：

import tensorflow as tf

i = tf.Variable(tf.constant(1., shape=[1, 16, 16, 4, 192]))

w = tf.Variable(tf.constant(1., shape=[1, 1, 1, 192, 192]))

o = tf.nn.conv3d_transpose(i, w, [1, 16, 16, 4, 192], strides=[1, 1, 1, 1, 1])

print(o.get_shape())

您的实施中必定存在其他问题而不是尺寸。