如何将具有转置卷积层的多个通道的输出合并为单个输出，例如例如在Keras？

Question

请想象有一个自动编码器，其结构如下：

没有填充的卷积层获得大小为WXH的强度图像的输入，并使用20组权重/偏置生成20个输出（特征图）。因此，这20个输出中的每个输出的大小都将小于WXH

1. （可选）没有填充的池化层会生成较小的20个2D数组，然后将其矢量化

2. 一个完全连接的层会生成另一个向量，该向量的大小可能与上面的向量相同或不相同；

％＃1，＃2和＃3属于编码器部分

1. 另一个完全连接的层镜像＃3，即其输入和输出的大小分别是＃3中的输出和输入的大小。之后，输出的相应部分将被堆叠为20个2D阵列

2. （可选），以相同的方式镜像＃2的解池层。再次输出20个2D数组；

通过向20个2D数组（每个一个）施加另外20组权重/偏移，从而使转置卷积层镜像＃2。最终它将产生20个WXH大小的输出。

所以我的问题是，应该如何将这20个WXH大小的输出组合在一起，以给出一个与强度图像I相同的WXH大小的输出？还是转置的卷积层应该生成20个较小尺寸（较低分辨率）的输出？

在Keras中，我了解到有一个tf.keras.layers.SeparableConv2D层，该层执行深度卷积，然后执行点向卷积，可以将多个通道的输出组合在一起。但是在执行tf.keras.layers.Conv2DTranspose之后，Keras中没有可用的单点卷积层，因此我应该指定SeparableConv2D的特殊参数，以便使其过滤器在空间上为1X1，从而产生事实上的点卷积层？

非常感谢！