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)。