我正在尝试将一些代码从TensorFlow 1.x转换到TensorFlow 2.x。到目前为止进展顺利，但我在空洞卷积上遇到了困难。与其他层不同，似乎没有一对一的转换方法。

到目前为止，我一直在将所有内容统一到tf.keras中。有一个纯Keras实现在这里，以及一个tf.nn.atrous_conv2d实现在这里，但我也不确定是否可以在tf.keras.Model的函数式API中使用它们。

这是代码：

with tf.variable_scope('aconv1d_' + name):        shape = [None, 30, 128]        kernel = tf.get_variable('kernel', (1, size, shape[-1], n_filters), dtype=tf.float32,                                 initializer=tf.contrib.layers.xavier_initializer())        if bias:            b = tf.get_variable('b', [shape[-1]], dtype=tf.float32, initializer=tf.constant_initializer(0))        out = tf.nn.atrous_conv2d(tf.expand_dims(input_tensor, dim=1), kernel, rate=rate, padding='SAME') + (            b if bias else 0)        out = tf.squeeze(out, [1])        return out

我希望只是转换这个代码，将其放入Keras的函数式API中，执行model.fit，然后运行。

感谢您帮助像我这样的新手。

回答：

空洞卷积或膨胀卷积在tensorflow2.x版本中已经可以通过参数”dilation_rate“使用。默认情况下，它被设置为(1,1)，如果你查看https://www.tensorflow.org/api_docs/python/tf/keras/layers/Conv2D。将其修改为其他值，例如(2,2)，你将得到膨胀/空洞卷积。