[深度学习]转置卷积(Transposed Convolution)

2024-09-02 01:32

本文主要是介绍[深度学习]转置卷积(Transposed Convolution),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一.写在前面

在GAN(Generative Adversarial Nets, 直译为生成式对抗网络)中,生成器G利用随机噪声Z,生成数据。那么,在DCGAN中,这部分是如何实现呢?这里就利用到了Transposed Convolution(直译为转置卷积),也称为Fractional Strided Convolution。那么,接下来,从初学者的角度,用最简单的方式介绍什么是转置卷积,以及在Tensorflow中如何实现转置卷积。

 

二.卷积与矩阵相乘

考虑如下卷积层运算,其参数为(i=4,k=3,s=1,p=0),输出o=2。

输入:4 × 4 --> 16 × 1

输入矩阵的大小为4×4,将矩阵按照从左到右,从上到下的方式,变形为长度为16的一维向量。

示意图:

 

a00a01a02a03
a10a11a12a13
a20a21a22a23
a30a31a32a33

=>

a00
a01
a02
a03
a10
a11
a12
a13
a20
a21
a22
a23
a30
a31
a32
a33

 

 

卷积核:3 × 3 --> 4 × 16

按照卷积操作的原理,将3 × 3的矩阵,变形为4 × 16 的矩阵。

示意图:

 

w00w01w02
w10w11w21
w20w21w22

=>

 

w00w01w020w10w11w120w20w21w2200000
0w00w01w020w10w11w120w20w21w220000
0000w00w01w020w10w11w120w20w21w220
00000w00w01w020w10w11w120w20w21w22

 

输出:Y = CX, (4×16) × (16×1) = (4×1),则是一个[4,1]的输出特征矩阵,把它重新排列为2×2的输出特征矩阵,就可以得到最终的结果。

 

因此,卷积层的计算可以转换为矩阵之间相乘。对于同一个卷积核,卷积操作是Y=C × X,那么转置卷积操作可以理解为Y=Transposed(C) × T。

输入:2 × 2 --> 4 × 1

矩阵C的转置:16 × 4

输出: Y = CX, (16×4) × (4×1) = (16×1),则是一个[16,1]的输出特征矩阵,把它重新排列为4×4的输出特征矩阵,就可以达到转置卷积的效果。

 

三.直观理解

下面只考虑No zero padding, unit strides的情况。

举例,输入图像大小为2×2,想得到输出图像大小为4×4。

 

思维模式1:假设输入图像大小为4×4,输出图像大小为2×2。在正向卷积中,卷积核的高度和宽度均为3,步长s=1,边距p=0。将该卷积过程转置即可。

 

思维模式2:直接卷积。输入图像大小为2×2,卷积核的大小为3×3,步长s=1,边距p=2。

示意图如下:

 

此时,卷积核和步长均没有变化。只有边距变为2。

 

如何理解边距p=2?

可以通过卷积操作中输入与输出图像的联系来理解。例如,输出图像的左上角的像素只与输入图像的左上角的像素有关,输出图像的右下角的像素只与输入图像的右下角的像素有关。因此,卷积核在做卷积时,要输出最右最上角的一个像素,只会利用输入图像的最右最上角的一个像素,其他区域均会填充0。因此,边距p的大小为(卷积核的大小-1)。

 

本文只用于快速理解转置卷积,其他情况的理解,可参考http://deeplearning.net/software/theano_versions/dev/tutorial/conv_arithmetic.html

 

四.在Tensorflow中实现转置卷积

[API]:

conv2d_transpose(value,
                     filter,
                     output_shape,
                     strides,
                     padding="SAME",
                     data_format="NHWC",
                     name=None)

Args:
    value: 四维tensor,类型为float,默认shape为[batch, height, width, in_channels]。`NHWC`格式,shape为[batch, height, width, in_channels];`NCHW` 格式,shape为[batch, in_channels, height, width]。

    filter: 四维tensor,类型与value相同,shape为[height, width, output_channels, in_channels]。in_channels必须与value中的in_channels相同。
    output_shape: 一维tensor,表示转置卷积操作输出的shape。取值为,[batch, height, width, in_channels]。
    strides:步长。
    padding:`'VALID'` 或者`'SAME'`.

令W为输入的size,F为filter的size, S为步长,为向上取整符号。

对于‘VALID’,输出的形状计算如下:

     new_height=new_width=⌈(WF+1)S

对于‘SAME’,输出的形状计算如下:

new_height=new_width=⌈WS

  举例,当步长为2时,余下的窗口只有一列。此时,’VALID‘会将剩余的列进行舍弃,’SAME‘会用0将不够的列进行填充。
    data_format:  'NHWC'或者 'NCHW'。
    name: 返回的tensor的名称(可选)。

  Returns:
    转置卷积操作的输出结果,与value具有相同类型的tensor。

  需要注意的是:

1.output的shape不能随意指定,需要是可以经过filter,strides,padding可以得到的shape。

2.tf.nn.conv2d中的filter参数为[filter_height, filter_width, in_channels, out_channels],与tf.nn.conv2d_transpose中的filter的参数顺序不同。

3.conv2d_transpose会计算output_shape能否通过给定的filter,strides,padding计算出inputs的维度,如果不能,则报错。

也就是说,conv2d_transpose中的filter,strides,padding参数,与反过程中的conv2d的参数相同。

 

举例:

# coding:utf-8
import tensorflow as tfdef main(_):# 输入4×4的单通道图像input_ = tf.constant(1., shape = [1,4,4,1])# 卷积核的大小为3×3×1,个数为1w = tf.constant(1., shape = [3,3,1,1])# 卷积:输出2×2的单通道图像result= tf.nn.conv2d(input_, w, strides=[1, 1, 1, 1], padding='VALID')# 转置卷积:输出4×4的单通道图像result2= tf.nn.conv2d_transpose(result, w, output_shape=[1,4,4,1], strides=[1, 1, 1, 1], padding='VALID')with tf.Session() as sess:init = tf.global_variables_initializer()sess.run(init)print '输入4×4的单通道图像'print sess.run(input_)print '卷积:输出2×2的单通道图像'print sess.run(result)print '转置卷积:输出4×4的单通道图像'print sess.run(result2)if __name__ == '__main__':tf.app.run()

运行结果:


 

先卷积,再进行转置卷积,得到的结果和输入不一样,但是shape是一样的,说明了卷积和转置卷积并不是完全对称的两个过程。这也是现在不使用deconvolution这个概念的原因。

五.总结

这是对于转置卷积的基本理解。

 

这篇关于[深度学习]转置卷积(Transposed Convolution)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1128613

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个

Node.js学习记录(二)

目录 一、express 1、初识express 2、安装express 3、创建并启动web服务器 4、监听 GET&POST 请求、响应内容给客户端 5、获取URL中携带的查询参数 6、获取URL中动态参数 7、静态资源托管 二、工具nodemon 三、express路由 1、express中路由 2、路由的匹配 3、路由模块化 4、路由模块添加前缀 四、中间件