Question

Tensorflow中这两个函数有什么区别

tf.nn.conv2d_transpose(
    value,
    filter,
    output_shape,
    strides,
    padding='SAME',
    data_format='NHWC',
    name=None
)

完整定义在tf.nn.conv2d_transpose中 slim.conv2d_transpose定义如下：

tf.layers.conv2d_transpose(
    inputs,
    filters,
    kernel_size,
    strides=(1, 1),
    padding='valid',
    data_format='channels_last',
    activation=None,
    use_bias=True,
    kernel_initializer=None,
    bias_initializer=tf.zeros_initializer(),
    kernel_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    kernel_constraint=None,
    bias_constraint=None,
    trainable=True,
    name=None,
    reuse=None
)

完全定义是在slim.conv2d_transpose

中

如何在slim.conv2d_transpose中定义输出形状

Answer 1

它们之间存在显着差异。 tf.nn.conv2d_transpose代表计算图中的一个操作，而tf.layers.conv2d_transpose定义了整个层。

更精确的tf.nn.conv2d_transpose将卷积filter应用于inputs。

另一方面，

tf.layers.conv2d_transpose首先根据给定的参数创建可训练变量，将其用作filter，然后在内部调用某些conv2d_transpose操作。根据这些参数，它还应用了其他一些操作，例如增加偏差，应用非线性或标准化权重或输入。

对于tf.layers.conv2d_transpose，您无需指定output shape，因为它是根据过滤器大小，输入大小和跨度计算得出的。 Here是公式。

tf.nn.conv2d_transpose和slim.conv2d_transpose之间的区别

1 个答案: