Neural network 从卷积（GAN）中获得所需输出

我正在为cifar10编写一个GAN模型。 但我有个问题

如何从卷积网络中获得所需的输出（3x32x32）？ 实际上，我从为mnist找到的模型中得到了灵感：

model = Sequential()
model.add(Dense(input_dim=100, output_dim=1024))
model.add(Activation('tanh'))
model.add(Dense(128*7*7))
model.add(BatchNormalization())
model.add(Activation('tanh'))
model.add(Reshape((128, 7, 7), input_shape=(128*7*7,)))
model.add(UpSampling2D(size=(2, 2)))
model.add(Convolution2D(64, 5, 5, border_mode='same'))
model.add(Activation('tanh'))
model.add(UpSampling2D(size=(2, 2)))
model.add(Convolution2D(3, 5, 5, border_mode='same'))

因此，从那里，我有一个3x28x28的输出 你知道我怎样才能得到3x32x32吗？

---

谢谢

您可以执行PaddingLayers（），然后应用卷积以获取合理的输出，或者执行另一次上采样，然后使用border_mode='valid'应用连续卷积以获取正确的输出大小。您可以更早地进行卷积，这样您就不需要那么多了。

您可以先进行填充层（）然后应用卷积来获得一个合理的输出，或者再进行一次上采样，然后使用border_mode='valid'应用连续卷积来获得正确的输出大小。您可以早点做卷积运算，这样就不需要那么多了。

谢谢！工作完美谢谢！完美地工作