关于 tensorflow 中的卷积&反卷积（以stargan-vc-tf代码为例）

 

在stargan-vc模型中，有比较经典的（卷积 & 反卷积）组合，综合参考了github上的implement代码https://github.com/hujinsen/StarGAN-Voice-Conversion

其中，编码者，在Generator部分，采用手动padding，之后采用

def conv2d_layer(inputs, filters, kernel_size, strides, padding: list = None, activation=None, kernel_initializer=None, name=None):

    p = tf.constant([[0, 0], [padding[0], padding[0]], [padding[1], padding[1]], [0, 0]])
    out = tf.pad(inputs, p, name=name + 'conv2d_pad')
    """关于tf.pad 的用法：
    # https://blog.csdn.net/yy_diego/article/details/81563160"""

    conv_layer = tf.layers.conv2d(
        inputs=out,
        filters=filters,
        kernel_size=kernel_size,
        strides=strides,
        padding='valid',
        activation=activation,
        kernel_initializer=kernel_initializer,
        name=name)

    return conv_layer

来作为下采样卷积的函数；

仔细想来，其实也可以直接用 （‘SAME’模式）代替（‘VALID’+手动padding） 的方法，总的目标都是改变卷积尺寸，数据是一样的；

在查阅相关资料的时候（关于卷积&反卷积 尺寸计算的公式），做了一些笔记和整理：

 

 

---

 

卷积尺寸公式：https://blog.csdn.net/weixin_37697191/article/details