Conv2D使用公式转置输出形状

Question

我使用下面显示的转置图层将committedOffsets()作为输出形状。我打印输出形状。我的问题是高度和宽度都是$query = $this->getUserRepository() ->createQueryBuilder('du') ->delete('LottolandBundle:User','du') ->where('du.id = :id') ->setParameter("id", $id) ->getQuery() ->execute(); return $query; 。通道似乎是我代码中最后一个转置层的过滤器数量。

我相当简单地假设这个公式就是这个。我读了其他帖子。

[-1,256,256,3]

但是当我计算时，我似乎没有得到那个输出。我想我可能会错过填充计算   256添加了多少填充？

我的代码就是这个。

H = (H1 - 1)*stride + HF - 2*padding

Answer 1

关于'SAME'填充，Convolution文档提供了一些详细解释（notes中的更多详细信息）。特别是，当使用'SAME'填充时，输出形状定义为：

# for `tf.layers.conv2d` with `SAME` padding:
out_height = ceil(float(in_height) / float(strides[1]))
out_width  = ceil(float(in_width) / float(strides[2]))

在这种情况下，输出形状仅取决于输入形状和步幅。从那里计算填充大小以填充此形状要求（同时，使用'VALID'填充，它是取决于填充大小的输出形状）

现在对于转置卷积...由于此操作是正常卷积（其渐变）的后向对应，这意味着正常卷积的输出形状对应于其对应转置操作的输入形状。换句话说，虽然tf.layers.conv2d()的输出形状除以步幅，输出形状  将tf.layers.conv2d_transpose()乘以：

# for `tf.layers.conv2d_transpose()` with `SAME` padding:
out_height = in_height * strides[1]
out_width  = in_width * strides[2]

但是再一次，计算填充大小以获得此输出形状，而不是相反（对于SAME填充）。由于这些值之间的正常关系（即您找到的关系）是：

# for `tf.layers.conv2d_transpose()` with given padding:
out_height = strides[1] * (in_height - 1) + kernel_size[0] - 2 * padding_height
out_width  = strides[2] * (in_width - 1) + kernel_size[1] - 2 * padding_width

重新排列我们获得的等式

padding_height = [strides[1] * (in_height - 1) + kernel_size[0] - out_height] / 2
padding_width  = [[strides[2] * (in_width - 1) + kernel_size[1] - out_width] / 2

  

注意：，例如2 * padding_height是一个奇数，然后padding_height_top = floor(padding_height);和padding_height_bottom = ceil(padding_height)（分别为padding_width，padding_width_left和padding_width_right)

将out_height和out_width替换为其表达式，并使用您的值（针对第一个转置卷积）：

padding = [2 * (128 - 1) + 4 - (128 * 2)] / 2 = 1

因此，您的数据的每一面都添加了1的填充，以便获得输出暗淡out_dim = in_dim * stride = strides * (in_dim - 1) + kernel_size - 2 * padding = 256

Answer 2

我根据@ Aldream的回答为自己画了一张图。可能有用于可视化。希望我做对了。但我必须研究如何以及在何处应用此填充以获得最终形状。