带tensorflow的解卷积/转置卷积

Question

我试图使用tf.nn.conv3d_transpose，但是，我收到一个错误，指示我的过滤器和输出形状不兼容。

• 我有一个1,16,16,4,192的张量
• 我正在尝试使用1,1,1,192,192,192的过滤器
• 我相信输出的形状是1,16,16,4,192
• 我用的是“一样”的垫子和1的步幅。

最后，我想要一个输出形状为1,32,32,7，“不重要”，但我试图先得到一个简单的例子。

由于这些张量在正规卷积中是相容的，我相信反褶积也是可能的。

为什么不能对这些张量进行反褶积。能否给出一个有效的滤波器大小和输出形状的例子，用于1,16,16,4,192张量的反褶积

谢谢。

Answer 1

• 我有一个1,16,16,4,192的张量
• 我正在尝试使用1,1,1,192,192,192的过滤器
• 我相信输出的形状是1,16,16,4,192
• 我用的是“一样”的垫子和1的步幅。

是的，输出形状是1,16,16,4,192

下面是一个简单的示例，说明这些维度是兼容的：

import tensorflow as tf

i = tf.Variable(tf.constant(1., shape=[1, 16, 16, 4, 192]))

w = tf.Variable(tf.constant(1., shape=[1, 1, 1, 192, 192]))

o = tf.nn.conv3d_transpose(i, w, [1, 16, 16, 4, 192], strides=[1, 1, 1, 1, 1])

print(o.get_shape())

在您的实现中肯定存在一些其他问题，而不是维度。