代码之家 › 专栏 › 技术社区 › Iter Ator

如何在Tensorflow中使用conv1d\u转置?

convolutional-neural-network convolution machine-learning tensorflow python

2

Iter Ator · 技术社区 · 7 年前

这个 conv1d_transpose 尚未在Tensorflow的稳定版本中,但有一个实现可用 on github

我想创建一个一维反褶积网络。输入的形状为 [-1, 256, 16] 输出应该是 [-1,1024,8] . 内核大小为5,步幅为4。

    (output_depth, input_depth) = (8, 16)
    kernel_width = 7
    f_shape = [kernel_width, output_depth, input_depth]
    layer_1_filter = tf.Variable(tf.random_normal(f_shape))

    layer_1 = tf_exp.conv1d_transpose(
        x,
        layer_1_filter,
        [-1,1024,8],
        stride=4, padding="VALID"
    )

形状 layer_1 是 TensorShape([Dimension(None), Dimension(None), Dimension(None)]) ,但它应该是 [-1,1024,8]

我做错了什么?如何在Tensorflow中实现一维反褶积?

2 回复 | 直到 6 年前

1

3

Maxim 7 年前

conv1d_transpose 不支持:

output_shape -1 ;
另一方面,输出形状是动态的(这解释了 None 尺寸)。

此外 kernel_width=7 in_width=255 不 256 . 应使 kernel_width 少于 4 匹配 in_width=256

x = tf.placeholder(shape=[None, 256, 16], dtype=tf.float32)
filter = tf.Variable(tf.random_normal([3, 8, 16]))    # [kernel_width, output_depth, input_depth]
out = conv1d_transpose(x, filter, output_shape=[100, 1024, 8], stride=4, padding="VALID")

with tf.Session() as sess:
  sess.run(tf.global_variables_initializer())
  result = sess.run(out, feed_dict={x: np.zeros([100, 256, 16])})
  print(result.shape)  # prints (100, 1024, 8)

2

Talvalin 6 年前

新的 tf.contrib.nn.conv1d_transpose 现在添加到 Tensorflow API r1.8 .