tensorflow中的conv2d和conv2d_transpose中的参数求解~

#coding=utf-8

import tensorflow as tf


input=tf.ones(name="input",shape=(1,18,18,3),dtype=tf.float32)
weight=tf.get_variable(name="w",shape=(11,11,20,3),dtype=tf.float32)
output_shape=[1,273,273,20]
#[1,288,288,20]
output=tf.nn.conv2d_transpose(input,weight,strides=(1,16,16,1),output_shape=output_shape,padding="SAME")
init_op=tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init_op)
    out=sess.run(output)
    print(out.shape)
#coding=utf-8

import tensorflow as tf


input=tf.ones(name="input",shape=(1,18,18,3),dtype=tf.float32)
weight=tf.get_variable(name="w",shape=(11,11,20,3),dtype=tf.float32)
output_shape=[1,283,283,20]
#[1,298,298,20]]
output=tf.nn.conv2d_transpose(input,weight,strides=(1,16,16,1),output_shape=output_shape,padding="VALID")
init_op=tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init_op)
    out=sess.run(output)
    print(out.shape)

经过探索,
1、当padding="SAME"的时候,output_shape的范围处于[273,288];
印证了当padding=“SAME”的时候,conv2d的输出形状为:
output_shape=[input_shape//stride]+1,这里需要说明一点,这里包含两种情况。一种为input_shape可以整除output_shape,那么就不用+1;另一种为input_shape不能整除stride则需要进行+1操作~
2、当padding=“VALID”的时候,output_shape范围处于[283,298];
印证了当padding=“VALID”的时候,conv2d的输出形状为:
output_shape=[(input_shape-filter_size+1)//stride]+1,同样需要说明一点,包含两种情况。一种为input_shape-filter_size+1可以整除stride,那么就不用+1;另一种为input_shape不能整除stride时候需要进行+1操作~
更清晰的如下:(此图来自 https://www.cnblogs.com/wuzhitj/p/6433871.html)

在这里插入图片描述

具体参考:
https://zhuanlan.zhihu.com/p/31988761

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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