Python 如何在Tensorflow中使用conv1d_转置？

conv1d_转置

尚未在Tensorflow的稳定版本中，但有一个实现

我想创建一个一维反褶积网络。输入的形状是

[-1，256，16]

，输出应该是

[-11024，8]

。内核的大小是5，步幅是4

我尝试用这个函数构建一个1D卷积层：

    (output_depth, input_depth) = (8, 16)
    kernel_width = 7
    f_shape = [kernel_width, output_depth, input_depth]
    layer_1_filter = tf.Variable(tf.random_normal(f_shape))

    layer_1 = tf_exp.conv1d_transpose(
        x,
        layer_1_filter,
        [-1,1024,8],
        stride=4, padding="VALID"
    )

层1

的形状是

张量形状（[尺寸（无）、尺寸（无）、尺寸（无）]

，但它应该是

[-11024,8]

---

我错了什么？如何在Tensorflow中实现1D反褶积？

此时pull请求已打开，因此API和行为可能会改变。不支持

conv1d\u transpose

的某些功能：

• output_shape

  要求静态知道批量大小，不能通过

  -1

• 另一方面，输出形状是动态的（这解释了

  None

  dimension）

另外，

内核的宽度=7

要求

在宽度=255

中，而不是

256

。应使

kernel\u width

小于

4

以匹配

in\u width=256

。结果是这个演示代码：

x = tf.placeholder(shape=[None, 256, 16], dtype=tf.float32)
filter = tf.Variable(tf.random_normal([3, 8, 16]))    # [kernel_width, output_depth, input_depth]
out = conv1d_transpose(x, filter, output_shape=[100, 1024, 8], stride=4, padding="VALID")

with tf.Session() as sess:
  sess.run(tf.global_variables_initializer())
  result = sess.run(out, feed_dict={x: np.zeros([100, 256, 16])})
  print(result.shape)  # prints (100, 1024, 8)

新的已添加到