Функция nn.conv2d_transpose

Функция nn.conv2d_transpose применяется к четырехмерному входному тензору и выполняет операцию, обратную обычной двумерной свертке. Первым параметром передается входной тензор формы [batch, height, width, in_channels]. Вторым параметром передается тензор фильтров формы [height, width, out_channels, in_channels]. Третьим параметром задается форма выходного тензора output_shape. Дополнительно можно указать шаг свертки strides, отступы padding и формат данных data_format.

Синтаксис

tf.nn.conv2d_transpose(
	input, filters, output_shape,
	strides, padding, [data_format],
	[dilations], [name]
)

Пример

Давайте создадим входной тензор формы 1 на 2 на 2 на 1 и один фильтр, а затем выполним транспонированную свертку с увеличением размера до 4 на 4:

import tensorflow as tf

input_t = tf.constant([[[[1.0], [2.0]], [[3.0], [4.0]]]])
filters = tf.constant([[[[1.0]], [[1.0]]], [[[1.0]], [[1.0]]]])
output_shape = [1, 4, 4, 1]

res = tf.nn.conv2d_transpose(
	input_t, filters, output_shape,
	strides=[1, 2, 2, 1], padding='SAME'
)
print(res)

Результат выполнения кода:

tf.Tensor(
	[[[[1.]
	   [1. 2.]
	   [2.]]
	  [[1. 3.]
	   [4. 6.]
	   [3. 4.]]
	  [[3.]
	   [3. 4.]
	   [4.]]]], shape=(1, 4, 4, 1), dtype=float32
)

Пример

Давайте выполним транспонированную свертку с двумя выходными каналами и другим шагом:

import tensorflow as tf

input_t = tf.constant([[[[1.0], [2.0]], [[3.0], [4.0]]]])
filters = tf.constant([
	[[[1.0, 2.0]], [[1.0, 2.0]]],
	[[[1.0, 2.0]], [[1.0, 2.0]]]
])
output_shape = [1, 4, 4, 2]

res = tf.nn.conv2d_transpose(
	input_t, filters, output_shape,
	strides=[1, 2, 2, 1], padding='SAME'
)
print(res.shape)
print(res)

Результат выполнения кода:

(1, 4, 4, 2)
tf.Tensor(
	[[[[1. 2.]
	   [1. 2.]
	   [2. 4.]
	   [2. 4.]]
	  [[1. 2.]
	   [4. 8.]
	   [6. 12.]
	   [3. 6.]]
	  [[3. 6.]
	   [3. 6.]
	   [4. 8.]
	   [4. 8.]]]], shape=(1, 4, 4, 2), dtype=float32
)

Пример

Давайте используем режим отступов VALID и проверим форму выходного тензора:

import tensorflow as tf

input_t = tf.constant([[[[1.0], [2.0]], [[3.0], [4.0]]]])
filters = tf.constant([[[[1.0]], [[1.0]]], [[[1.0]], [[1.0]]]])
output_shape = [1, 5, 5, 1]

res = tf.nn.conv2d_transpose(
	input_t, filters, output_shape,
	strides=[1, 2, 2, 1], padding='VALID'
)
print(res.shape)
print(res)

Результат выполнения кода:

(1, 5, 5, 1)
tf.Tensor(
	[[[[1.]
	   [1.]
	   [2.]
	   [2.]
	   [0.]]
	  [[1.]
	   [1.]
	   [2.]
	   [2.]
	   [0.]]
	  [[3.]
	   [3.]
	   [4.]
	   [4.]
	   [0.]]
	  [[3.]
	   [3.]
	   [4.]
	   [4.]
	   [0.]]
	  [[0.]
	   [0.]
	   [0.]
	   [0.]
	   [0.]]]], shape=(1, 5, 5, 1), dtype=float32
)

Смотрите также

функцию conv2d,
которая выполняет двумерную свертку
функцию conv1d_transpose,
которая выполняет транспонированную одномерную свертку
функцию conv3d,
которая выполняет трехмерную свертку
функцию depthwise_conv2d,
которая выполняет глубинную двумерную свертку