如何在 Keras 中执行 Deconvolution/TransConvolution？

Question

我的模型结构如下：

图层（类型）输出形状参数#

conv2d_31 (Conv2D)           (None, 40, 40, 16)        160       
_________________________________________________________________
max_pooling2d_4 (MaxPooling2 (None, 20, 20, 16)        0         
_________________________________________________________________
conv2d_32 (Conv2D)           (None, 20, 20, 32)        12832     
_________________________________________________________________
max_pooling2d_5 (MaxPooling2 (None, 10, 10, 32)        0         
_________________________________________________________________
conv2d_33 (Conv2D)           (None, 10, 10, 64)        100416    
_________________________________________________________________
max_pooling2d_6 (MaxPooling2 (None, 5, 5, 64)          0         
_________________________________________________________________
flatten_2 (Flatten)          (None, 1600)              0         
_________________________________________________________________
dense_3 (Dense)              (None, 1024)              1639424   
_________________________________________________________________
dropout_2 (Dropout)          (None, 1024)              0         
_________________________________________________________________
dense_4 (Dense)              (None, 1)                 1025      
_________________________________________________________________
activation_52 (Activation)   (None, 1)                 0      

我想对任何特定层应用反卷积并绘制结果。我想我应该使用 Conv2DTranspose 层，但我似乎无法理解其中涉及的论点。请帮助

Answer 1

注意命名。

反卷积不是转置卷积，尽管这些术语可以互换使用。正确使用的术语是转置卷积。这就是为什么层 "deconvolution" 在 Keras 中甚至不存在，而 Conv2DTransposed 存在。

您可以尝试通过 模型 API 而不是 顺序 API 构建深度学习模型.

这样就可以在特定层上加一个Conv2DTransposed，看看转置卷积的结果。

您可以将转置卷积层视为上采样层。前者有可学习的参数，而后者只有double/triples等通过插值得到的图像大小

查看 Functional API（模型 API）的 Keras 文档：https://keras.io/models/model/

查看转置卷积的 Keras 文档：https://keras.io/layers/convolutional/

查看此 github 帐户以直观地了解转置卷积：https://github.com/vdumoulin/conv_arithmetic