Keras Unet上采样块执行时间：TransposeConv vs.Upsample+；Conv2d

我正在尝试在keras中使用unet实现一个二进制分割模型。以下是我的网络的上采样块

在一个模型中，我使用正常的转置卷积，而在第二个模型中，我使用调整双线性+conv2d的大小

# Convolution block with Transpose Convolution
def deconv_block(tensor, nfilters, size=3, padding='same', kernel_initializer = 'he_normal'):

    y = Conv2DTranspose(filters=nfilters, kernel_size=size, strides=2, padding = padding, kernel_initializer = kernel_initializer)(tensor)
    y = BatchNormalization()(y)
    y = Dropout(0.5)(y)
    y = Activation("relu")(y)


    return y

# Convolution block with Upsampling+Conv2D
def deconv_block_rez(tensor, nfilters, size=3, padding='same', kernel_initializer = 'he_normal'):
    y = UpSampling2D(size = (2,2),interpolation='bilinear')(tensor)
    y = Conv2D(filters=nfilters, kernel_size=(size,size), padding = 'same', kernel_initializer = kernel_initializer)(y)
    y = BatchNormalization()(y)
    y = Dropout(0.5)(y)
    y = Activation("relu")(y)


    return y

它们在质量和执行时间方面是否相等？ 从质量上看，它们几乎相同（我使用128*128输入）；但就执行时间而言，它们是不同的。我在一篇博客中读到，upsampling+conv2d不会遇到棋盘工件的问题；但这是以牺牲执行时间为代价的吗

这是我的网络中的一个典型区块

上采样：-

上采样2D（上采样2D）（无、16、16、800）0
连接_1[0][0]
__________________________________________________________________________________________________批次规格化2（Conv2D）（无、16、16、256）1843456
向上采样2D_2[0][0]
__________________________________________________________________________________________________辍学2（辍学）（无、16、16、256）0
批量标准化\u 2[0][0]
__________________________________________________________________________________________________激活2（激活）（无、16、16、256）0
辍学2[0][0]

转置conv:-

conv2d_转置_2（Conv2DTrans（None，16，16，256）1843456
连接_1[0][0]
__________________________________________________________________________________________________批处理规范化（BatchNor（None，16，16，256）1024
conv2d_转置_2[0][0]
__________________________________________________________________________________________________辍学2（辍学）（无、16、16、256）0
批量标准化\u 2[0][0]
__________________________________________________________________________________________________激活2（激活）（无、16、16、256）0
辍学2[0][0]

即使它们具有几乎相同的参数；upsample+conv2d的块有更多的执行时间（调整双线性所需的时间可以忽略不计），即conv vs.transpose conv=>154ms vs.35ms）

显然，conv2d在resize+normal conv块中有跨步1，而transpose conv有跨步2；但两者都使用3x3内核。最近，人们开始使用resize+conv块而不是普通的转置卷积

这种速度差异是否总是会发生，或者我们是否可以使用upsample+conv2d的任何变体（例如，步长2或内核1x1），以使执行时间相同（质量也不应该降低），或者这是我的代码中的任何错误