如何在卷积自动编码器中选择匹配层大小？
How to choose matching layer sizes in a convolutional autoencoder?
在构建卷积自动编码器时选择层大小时，是否有任何建议的最佳做法？
例如，如果我正在使用 28x28x1 MNIST 图像，并使用 tf.keras 创建我的模型，我如何匹配我的 Conv2D 和 MaxPool2D层 Conv2DTranspose 和 Upsampling2D 层以便 return 到 28x28x1 图像？
感谢您的帮助！
您保持过滤器大小相同，以产生与输入形状相同的输出。如果你在Conv2D层中使用了3x3的过滤器，那么，Conv2DTranspose中的3x3过滤器。
您可以选择过滤器大小，最佳做法是奇数过滤器而不是偶数过滤器。因此，可以使用 3x3（最常见）和 5x5。您也可以尝试 2x2（最佳实践的一个例外，但已被使用）。
在构建卷积自动编码器时选择层大小时，是否有任何建议的最佳做法？
例如，如果我正在使用 28x28x1 MNIST 图像，并使用 tf.keras 创建我的模型，我如何匹配我的 Conv2D 和 MaxPool2D层 Conv2DTranspose 和 Upsampling2D 层以便 return 到 28x28x1 图像？
感谢您的帮助！
您保持过滤器大小相同，以产生与输入形状相同的输出。如果你在Conv2D层中使用了3x3的过滤器，那么，Conv2DTranspose中的3x3过滤器。
您可以选择过滤器大小，最佳做法是奇数过滤器而不是偶数过滤器。因此，可以使用 3x3（最常见）和 5x5。您也可以尝试 2x2（最佳实践的一个例外，但已被使用）。