我有一个来自前一层的 4D 张量h0，形状为[10, 1, 1, 1, 10]，我想使用conv3d_transpose对具有形状的张量h1进行上采样，比如说，[10, 4, 4, 4, 20].
我不明白我选择filter、strides和padding效果如何output_shape，给定h0，因此[10, 4, 4, 4, 20]是否可能h1？是否有经验法则或公式？
例如，如果我运行以下内容：
import tensorflow as tf
sess = tf.Session()
# Input (previous layer) [batch, depth, height, width, in_channels]
h0 = tf.constant(0.1, shape=[10, 1, 1, 1, 10])
# Filter [depth, height, width, output_channels, in_channels]
w1 = tf.constant(0.1, shape=[5, 5, 5, 20, 10])
# Strides [1, depth, height, width, 1]
strides1 = [1, 4, 4, 4, 1]
# Output shape [batch, depth, height, width, in_channels]
output_shape1 = [10, 4, 4, 4, 20]
# Current layer
h1 = tf.nn.conv3d_transpose(value = h0,
filter = w1,
output_shape = output_shape1,
strides = strides1,
padding = 'VALID')
sess.close()
我收到错误：
InvalidArgumentError: Conv3DBackpropInput: Number of planes of out_backprop doesn't
match computed: actual = 1, computed = 0
但是如果我更改padding = 'SAME'那么我就不会出错。我读过卷积算术，但不明白这些公式如何具体应用于Tensorflow。
Deconv 运算符令人困惑，我认为每个人最初都会被它们绊倒。这是一组方便的 gif，用于在 2D 中可视化 deconv 操作，它可以很好地转移到 3D 中。最容易想到的是两个步骤。
- 将图像上采样到更大的尺寸(Tensorflow通过填充零来做到这一点)
- 对该上采样图像进行常规卷积
话虽如此，让我们看看您的示例中发生了什么。
你有 d， w， h = [1， 1， 1]，你想把它"反卷积"到 [4， 4， 4， 4] 的深度、宽度、高度。您正在使用 [5， 5， 5] 滤波器执行此操作，该滤波器在 d、w、h 维度上以 [4， 4， 4] 的步幅移动。
引擎盖下的第一步是将图像放大到更大的尺寸(它自己决定有多大)，其方式类似于引用的 gif。这样，我们就能够对这些被放大的图像进行定期卷积。然后，你把你的[5,5,5]过滤器，并在64个不同的位置应用它(由于你的4,4,4 output_shape)。这些位置将彼此相距 4、4、4，因为这是您指定的步幅。为了使这些形状发挥作用，在图像大小调整过程中，初始图像需要放大到[17,17,17]。证明留给读者作为练习(也就是，我懒得画然后链接解释，但如果你愿意，可以这样做)。
"相同"标签基本上是说忽略输入层和输出层形状的细节。它用零填充输入的边框，因此一切都别无选择，只能解决。如果未指定"相同"，则需要对形状严格要求，否则它们将无法按照您希望的方式很好地出现。老实说，在你适应卷积/反卷积之前，我建议你坚持使用"相同"标签，让你的生活更轻松。
另外，你们的步伐/output_shape/filter_size在一起并没有真正的意义。将 [1， 1， 1] 图像放大到必要的 [17， 17， 17] 只会用零填充 [17， 17， 17] 图像，除了该中心点。因此，大多数过滤器将处理所有这些零，并且会弄乱您的输出。相反，我建议做一些类似strides=[1， 1， 1]， output_shape=[10， 3， 3， 3， 20]， w1(aka filter_size)=[3， 3， 3， 20， 10] 之类的事情。使用"相同"标签，应该会在下一个网络层中为您提供一些合理的结果。这只会将过滤器移动 1 步幅，用于 27 个点(也称为 3x3x3 output_shape点)。这意味着这 27 个中的每一个都将包含信息，而不仅仅是零。
祝你好运！