对比 tf.layers.conv2d_transpose和tf.nn.conv2d_transpose区别

都表示反卷积,但是参数不同。使用方法对比如下:


import tensorflow as tf  

x1 = tf.ones(shape=[64,7,7,256])  

y1 = tf.layers.conv2d_transpose(x1, 128, 3, strides=2, padding='SAME')  

w=tf.ones([3,3,128,256])
y2 = tf.nn.conv2d_transpose(x1, w, output_shape=[64,14,14,128], strides=[1,2,2,1], padding='SAME')


x2=tf.nn.conv2d(y2,w,strides=[1,2,2,1],padding='SAME')
with tf.Session() as sess:  
    sess.run(tf.global_variables_initializer())  
    y1_value,y2_value,x2_value=sess.run([y1,y2,x2])
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 4
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值