我很难搞清楚每个CNN层的维度是什么。

假设我的输入是一个向量，然后通过一个全连接层投影到一个4x4x256的矩阵上，像这样…

zP = slim.fully_connected(    z,    4*4*256,    normalizer_fn=slim.batch_norm,    activation_fn=tf.nn.relu,    scope='g_project',    weights_initializer=initializer)# 层被重塑为4x4x256的映射。zCon = tf.reshape(zP,[-1,4,4,256])

其中z是我的原始向量。然后我将这个4x4x256的矩阵输入到CNN中…

gen1 = slim.convolution2d_transpose(    zCon,    num_outputs=64,    kernel_size=[5,5],    stride=[2,2],    padding="SAME",    normalizer_fn=slim.batch_norm,    activation_fn=tf.nn.relu,    scope='g_conv1',     weights_initializer=initializer)

如你所见，我使用了二维转置卷积，并指定输出为64，步长为2，滤波器大小为5。这意味着我知道其中一个维度将是64，然而我不知道另外两个维度会是什么，也不知道如何计算它们。

我尝试使用以下公式，但对我来说行不通…

我该如何计算剩余的维度呢？

回答：

你写的公式是针对卷积操作的，由于你需要计算转置卷积的维度，而转置卷积的形状是卷积的逆操作，因此可以通过重新排列上述方程的项来推导出公式：

W = (Out-1)*S + F - 2P

W是你实际的输出，Out是你输入到转置卷积的实际输入。