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

Question

Tensorflow中的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
)

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

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
)

完整的定义在slim.conv2d_transpose中

如何在slim.conv2d_transpose中定义输出形状

Answer 1

它们之间有很大的不同。tf.nn.conv2d_transpose表示计算图中的一个操作，而tf.layers.conv2d_transpose定义整个层。

更精确的是，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用作filter的可训练变量，然后在内部调用一些conv2d_transpose操作。基于这些参数，它还应用了一些其他操作，如添加偏差、应用非线性或归一化权重或输入。

使用tf.layers.conv2d_transpose时，您不必指定output shape，因为它是根据过滤器大小、输入大小和步幅计算得出的。Here是公式。