Python 2.7 TensorFlow中转置卷积的自定义填充（浮点型）

我正在研究TensorFlow转置卷积模型，其中（批量大小、层高度、层宽度、输出通道）为（100、25、25、64）。 现在我正在应用一个转置操作，其中大小为4x4的内核的步长为2，填充为0.25。我的目标是使输出大小为50，例如（100、50、50、64） 我检查了一下，其中pad type提到了Init32。

---

这将是一个很大的帮助，如果你们中的任何人好心地建议我如何使用类型浮点填充或如何我可以得到大小输出层大小50转置操作后

填充只携带零。因此，它是浮点还是其他任何东西都无关紧要。

你能解释一下0.25的填充是什么意思吗？人们通常会想到整个填充量。是的，根据更新的文章，没有实现浮点填充的概念。因此，填充作为整体量（即，1，2）进行。我在一个模型上工作，在这个模型中，所有面都需要0.25才能保持输出层的预期形状。现在，我已经修改了计算输出大小的公式（对于这种特殊情况），幸运的是它工作正常。