Python pytorch中自动编码器的上采样

我在Pytork中定义了我的自动编码器，如下所示（它在编码器的输出端给了我一个8维的瓶颈，可以很好地工作torch.Size（[1,8,1,1]）：

我不能做的是用

def forward(self, x):
    x = self.encoder(x)
    x = self.decoder(x)
    return x

解码器给我一个错误，解码器无法对张量进行上采样：

Calculated padded input size per channel: (3 x 3). Kernel size: (4 x 4). Kernel size can't be greater than actual input size

---

通过

ConvTranspose2d

进行的上采样不足，编码器的形状仅为

1

像素（

width x height

），请参见此示例：

import torch

layer = torch.nn.ConvTranspose2d(8, 64, kernel_size=3, stride=1)
print(layer(torch.randn(64, 8, 1, 1)).shape)

这将在上采样后打印准确的

（3,3）

形状

你可以：

• 使用

  3

  或

  2

  甚至

  1

• 例如，向上采样更多：

  torch.nn.ConvTranspose2d（8,64，内核大小=7，步长=2）

  将为您提供

  7x7

• 我个人会做的是：在编码器中减少采样，所以在它之后输出形状至少是

  4x4

  或者可能是

  5x5

  。如果你把图像挤压得太厉害，就没有办法将足够的信息编码成一个像素，即使代码通过网络也学不到任何有用的表示法

---

我已经成功实现了一个自动编码器，它提供了一个无监督的集群（在我的例子中是8个类）

这不是一个专家解决方案。感谢@Szymon Maszke的建议

self.encoder = nn.Sequential(
    nn.Conv2d(1, 32, kernel_size=8, stride=4),
    nn.ReLU(),
    nn.Conv2d(32, 64, kernel_size=4, stride=2),
    nn.ReLU(),
    nn.Conv2d(64, 2, kernel_size=3, stride=1),
    nn.ReLU(),
    nn.MaxPool2d(6, stride=1)
)

self.decoder = nn.Sequential(
    nn.ConvTranspose2d(2, 64, kernel_size=3, stride=1),
    nn.ReLU(),
    nn.ConvTranspose2d(64, 32, kernel_size=8, stride=4),
    nn.ReLU(),
    nn.ConvTranspose2d(32, 1, kernel_size=8, stride=4)
)

---

谢谢你的回答。主要的限制是，我希望有一个8维的图像表示，因此减少到1像素（我将有8倍的像素，我可以在以后用作分类器）。我想有8类分类的图像。顺便说一句，我不是靠这个赚钱的。这是出于我自己的好奇心。谢谢。我在想也许2x2x2可以上我的8节课？在你看来这会更好吗？我不确定你诚实的目标是什么。Autoencoder的目标是将表示压缩为最基本的部分，并尽可能无损地解压缩。你的输入形状是什么？为什么要使用自动编码器进行分类？正常的方法对你的帮助会更大吗？我的输入形状是批次，1,84,84，来自openai健身房的atari游戏。我想使用autoencoder将帧分为8个不同的类。非常感谢您的建议。我会试试的。我尝试的是：

self.encoder = nn.Sequential(
    nn.Conv2d(1, 32, kernel_size=8, stride=4),
    nn.ReLU(),
    nn.Conv2d(32, 64, kernel_size=4, stride=2),
    nn.ReLU(),
    nn.Conv2d(64, 2, kernel_size=3, stride=1),
    nn.ReLU(),
    nn.MaxPool2d(6, stride=1)
)

self.decoder = nn.Sequential(
    nn.ConvTranspose2d(2, 64, kernel_size=3, stride=1),
    nn.ReLU(),
    nn.ConvTranspose2d(64, 32, kernel_size=8, stride=4),
    nn.ReLU(),
    nn.ConvTranspose2d(32, 1, kernel_size=8, stride=4)
)