tensorflow一維卷積輸入_深度學習中的反卷積(Transposed Convolution)

反卷積(Transposed Convolution)是一種圖像上采樣(UpSample)的方法，在DCGAN中用它來將隨機采樣的值轉換為一張完整的圖像。

Transposed Convolution

“

反向卷積也叫轉置卷積，它是一種特殊的正向卷積，先按照一定的比例通過補0來擴大輸入圖像的尺寸，接著旋轉卷積核(Kernel)，再進行正向卷積。

反卷積的操作只是恢復了矩陣的尺寸大小，并不能恢復每個元素值。

tf.nn.conv2d_transpose(
    input, filters, output_shape, strides, padding='SAME', data_format='NHWC',
    dilations=None, name=None
)

Transposed Convolution將Output Size恢復為Input Size，對于Convolution過程，我們知道其Output Size與Input Size的尺寸關系如下：

其中，o為Output Size， i是Input Size， p為Padding Size，s為Stride。

若要將o恢復為i，需考慮2種情況，整除以及不整除兩種情況。

詳細的公式就不推導了，網上有很多資料，有興趣可以深入研究下這些材料：

https://www.cnblogs.com/shine-lee/p/11559825.html

A guide to convolution arithmetic for deep learning

Tensorflow中實現反卷積

假設我們令輸入圖像為：

卷積核(kernel)為：

Case 1

如果要使輸出的尺寸是5 x 5，步長stride = 2，tensorflow代碼：

tf.nn.conv2d_transpose(
    value=input, filter=kernel,
    output_shape=[1,5,5,1],
    strides=2, padding='SAME')

Tensorflow的內部做了以下幾件事情：

1)根據步數stride對Input進行填充，即在Input的每個元素之間填充0 ，填充0的個數n與stride的關系為：

這里stride=1，所以在每個元素之間填充一個0。

2)用卷積核kernel對填充后的輸入進行stride=1的正向卷積，輸入尺寸為5 x 5。

Case 2

如果要使輸出的尺寸是6x6，其它參數不變，tensorflow代碼：

tf.nn.conv2d_transpose(
    value=input, filter=kernel,
    output_shape=[1,6,6,1],
    strides=2, padding='SAME')

卷積類型是same，我們首先在外圍填充一圈0。此時仍然不能生成尺寸為6x6的圖片，Tensorflow會在左上再填充一行和一列0，填充后的輸入為：

對input執行卷積核為3x3的卷積操作，結果如下：

反卷積動圖效果

參考材料

1. https://github.com/vdumoulin/conv_arithmetic?

2. https://www.tensorflow.org/api_docs/python/tf/nn/conv2d_transpose?

3. https://zhuanlan.zhihu.com/p/31988761

4. https://www.cnblogs.com/shine-lee/p/11559825.html?

5. https://www.tensorflow.org/tutorials/generative/dcgan?hl=zh-cn