Python 如果指定输出数量，如何在CNN中计算输出维度

我很难弄清楚每个CNN层的尺寸是多少

假设我的输入是一个向量，然后我使用一个完全连接的层将它投影到一个4x4x256矩阵上，所以

zP = slim.fully_connected(
    z,
    4*4*256,
    normalizer_fn=slim.batch_norm,
    activation_fn=tf.nn.relu,
    scope='g_project',
    weights_initializer=initializer
)

# Layer is reshaped to a 4x4x256 mapping.
zCon = tf.reshape(zP,[-1,4,4,256])

其中z是我的原始向量。然后我把这个4x4x256矩阵输入CNN

如您所见，我使用了卷积2d转置，并将输出指定为64，步长为2，过滤器大小为5。这意味着我知道我的一个维度是64，但是我不知道其他两个维度是什么，我也不知道如何计算它

我试着用下面的公式，但它不适合我

---

如何计算剩余尺寸？

您编写的公式是用于卷积运算的，因为您需要计算转置卷积，其中形状与卷积成反比，因此可以通过将这些项重新排列，从上述方程推导公式：

W=Out-1*S+F-2P

W是实际输出，Out是转置卷积的实际输入

gen1 = slim.convolution2d_transpose(
    zCon,
    num_outputs=64,
    kernel_size=[5,5],
    stride=[2,2],
    padding="SAME",
    normalizer_fn=slim.batch_norm,
    activation_fn=tf.nn.relu,
    scope='g_conv1', 
    weights_initializer=initializer
)