Question

我有一个4D张量h0来自上一个形状为[10, 1, 1, 1, 10]的图层，我想使用conv3d_transpose上采样到具有形状的张量h1，让我们说，{ {1}}。

我不明白我选择的[10, 4, 4, 4, 20]，filter和strides如何影响padding，output_shape，因此h0 1 {}可以[10, 4, 4, 4, 20]吗？是否有经验法则或公式？

例如，如果我运行以下内容：

h1

我收到错误：

import tensorflow as tf

sess = tf.Session()

# Input (previous layer) [batch, depth, height, width, in_channels]
h0 = tf.constant(0.1, shape=[10, 1, 1, 1, 10])

# Filter [depth, height, width, output_channels, in_channels]
w1 = tf.constant(0.1, shape=[5, 5, 5, 20, 10])

# Strides [1, depth, height, width, 1]
strides1 = [1, 4, 4, 4, 1]

# Output shape [batch, depth, height, width, in_channels]
output_shape1 = [10, 4, 4, 4, 20]

# Current layer
h1 = tf.nn.conv3d_transpose(value = h0, 
                            filter = w1,    
                            output_shape = output_shape1, 
                            strides = strides1, 
                            padding = 'VALID')

sess.close()

但是如果我改变InvalidArgumentError: Conv3DBackpropInput: Number of planes of out_backprop doesn't match computed: actual = 1, computed = 0那么我就没有错误。我已经阅读了convolutional arithmetic，但不明白公式如何适用于Tensorflow。

Answer 1

Deconv运营商感到困惑，我认为每个人最初都会被他们绊倒。 Here is a convenient set of gifs可以在2D中可视化deconv操作，可以很好地转换为3D。最简单的想法是两个步骤。

将图像采样到更大的尺寸（张量流通过填充零来实现）
对该上采样图像进行常规卷积

话虽如此，让我们看看你的例子中发生了什么。

你有d，w，h = [1,1,1]，你想要去卷积＆＃39;它的深度，宽度，高度为[4,4,4]。您正在使用[5,5,5]过滤器执行此操作，该过滤器在d，w，h维度中由[4,4,4]的步幅移动。

引擎盖下的第一步是以与引用的GIF类似的方式将图像放大到更大的尺寸（它决定自己有多大）。这样，我们就可以对那些被炸毁的图像进行定期卷积。然后，您使用[5,5,5]滤镜，并将其应用于64个不同的位置（由于您的4,4,4 output_shape）。这些位置将彼此分开4,4,4，因为这是您指定的步伐。为了使这些形状成形，初始图像需要在图像尺寸调整过程中被炸成[17,17,17]。证据留给读者作为练习（也就是说，我懒得画画然后链接一个解释，但如果你愿意的话可以这样做。）

＆＃39;相同＆＃39; tag基本上都说要忽略输入层和输出层形状的细节。它用零填充输入的边界，所以一切都别无选择，只能解决问题。如果相同＆＃39;没有指定，你需要对形状严格要求，否则它们不会像你想要的那样顺利出现。老实说，在你对卷积/解卷积感到满意之前，我建议你坚持使用相同的＆＃39;相同的＆＃39;标记让你的生活更轻松。

另外，你的strides / output_shape / filter_size并不是很有意义。将[1,1,11]图像放到必要的[17,17,17]将只用零填充[17,17,17]图像，除了该中心点。因此，大多数过滤器将处理所有这些零，并且它会使您的输出混乱。我建议改为做strides = [1,1,1]，output_shape = [10,3,3,3,20]，w1（又名filter_size）= [3,3,3,20] ，10]。那个，同样的＆＃39;标签，应该在下一个网络层给你一些合理的结果。对于27个（也称为3x3x3 output_shape点）中的每一个，这只会将滤波器移动1步。这意味着这27个中的每一个都会有信息进入它，而不仅仅是零。

在Tensorflow中使用3d转置卷积时计算output_shape

1 个答案: