使用tensorflow conv2d_转置时匹配形状

我正在尝试使用tensorflow创建卷积变分自动编码器。在解码器中，我尝试使用tf.layers.conv2d_转置来执行上采样。然而，我无法理解如何匹配尺寸。例如，这是我的代码：

# shape: (-1, 26, 26, 32)
conv1 = tf.layers.conv2d(
     image_batch,
     filters=32,
     kernel_size=3,
     strides=1,
     activation=tf.nn.relu)

# shape: (-1, 24, 24, 16)
conv2 = tf.layers.conv2d(
    conv1,
    filters=16,
    kernel_size=3,
    strides=1,
    activation=tf.nn.relu)

#shape: (-1, 11, 11, 8)
conv3 = tf.layers.conv2d(
    conv2,
    filters=8,
    kernel_size=3,
    strides=2,
    activation=tf.nn.relu) 

#shape: (-1, 23, 23, 16)
deconv1 = tf.layers.conv2d_transpose(
    conv3,
    filters=16,
    kernel_size=3,
    strides=2)

#shape: (-1, 25, 25, 32)
deconv2 = tf.layers.conv2d_transpose(
    deconv1,
    filters=32,
    kernel_size=3,
    strides=1)

#shape: (-1, 27, 27, 1)
deconv3 = tf.layers.conv2d_transpose(
    deconv2,
    filters=1,
    kernel_size=3,
    strides=1)

```

---

我们可以看到尺寸不匹配。是否有任何数学公式可以用来返回正确的维度，或者我的代码是否有问题？

这里的问题是因为conv3。在conv3中，使用的是步长为2、内核大小为3的卷积。这会将您的输入限制为奇数形状，但是，您的输入形状是24、24、16。因此，仅对23、23、16执行卷积，并且忽略边界像素。有关如何计算输出形状的详细信息，请参阅此部分

现在，当你试着从11，11，8向上采样时，它将向上采样到获得它的形状，即，`23，23，16。因此，这会在输入形状和上采样形状之间创建错误

您可以使用多种选项来解决此问题-

找到步幅和内核大小的正确组合，这样就不会忽略任何值。这将使输入形状和上采样形状保持一致。 进行上采样时，仅手动将输出填充到一侧，以从形状23、23、16创建24、24、16的形状。 或者，可以在所有上采样层之后填充最终输出。

---

可能重复此项以获取正确的尺寸：。直接转到摘要部分。