膨胀卷积的缺点_膨胀卷积反褶积（tensorflow）的一个例子

我以前没用过膨胀，但我用的是基于卷积的自动编码器。下面是一个采用输入大小28x28x1(如mnist图像)的体系结构示例。使用步幅为2时，尺寸将缩小到14x14x1，然后降至7x7x1。然后将其展平，然后减小到32，即编码大小。之后，一组跨距为2的转置卷积层将使大小恢复到28x28x1。在

下面是代码示例：def autoencoder_network(x):

encoder_14 = tf.layers.conv2d(x, filters=1, kernel_size=3, strides=2, padding='same', activation=tf.nn.relu)

encoder_7 = tf.layers.conv2d(encoder_14, filters=1,kernel_size=3, strides=2, padding='same', activation=tf.nn.relu)

flatten_dim = np.prod(encoder_7.get_shape().as_list()[1:])

flat = tf.reshape(encoder_7, [-1, flatten_dim])

code = tf.layers.dense(flat, 32, activation=tf.nn.relu)

hidden_decoder = tf.layers.dense(code, flatten_dim, activation=tf.nn.relu)

decoder_7 = tf.reshape(hidden_decoder, [-1, 7, 7, 1])

decoder_14 = tf.layers.conv2d_transpose(decoder_7, 1, 3, strides=2, padding='same', activation=tf.nn.relu)

output = tf.layers.conv2d_transpose(decoder_14, 1, 3, strides=2, padding='same', activation=tf.nn.relu)

return code, output