如何在 Tensorflow 中使用 conv1d_transpose?

How to use the conv1d_transpose in Tensorflow?

conv1d_transpose还没有稳定版的Tensorflow,但是可以实现on github

我想创建一维反卷积网络。输入的形状是[-1, 256, 16],输出应该是[-1,1024,8]。内核大小为 5,步幅为 4。

我尝试用这个函数构建一维卷积层:

    (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"
    )

layer_1的形状是TensorShape([Dimension(None), Dimension(None), Dimension(None)]),但应该是[-1,1024,8]

我做错了什么?如何在 Tensorflow 中实现一维反卷积?

此时拉取请求已打开,因此 API 和行为可能而且可能会改变。 conv1d_transpose 可能期望的某些功能不受支持:

  • output_shape要求静态知道batch size,不能传-1;
  • 另一方面,输出形状是动态的(这解释了 None 维度)。

此外,kernel_width=7 需要 in_width=255,而不是 256。应该使 kernel_width 小于 4 以匹配 in_width=256。结果是这个演示代码:

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)

tf.contrib.nn.conv1d_transpose is now added to Tensorflow API r1.8.