喀拉斯的反褶积层

在第一种情况下,问题是您使用的是偶数 subsample (当前为“跨步”),图像大小为奇数。

用 subsample=(2,2) ,您将必须是图像大小的一半,因此反卷积将必然是图像大小的两倍。除非您开始使用8x8或删除 子样本 . (如果您开始对内核大小、边框模式和子样本的组合进行过多的处理,您可能会获得7 x 7,但除了是一个令人困惑的数学运算之外,它还可能创建一个不平衡的图像,例如更多的是向左或向右。当您的图像太小时,这可能会影响结果)

在第二种情况下,结果是相同的,因为您正在使用 border_mode='same' . 但是如果你去掉这个,你的尺寸将从8x8到6x6。你需要一个(2,2)大小的过滤器来只丢失一个像素。

我建议你搬到喀拉斯2号。

例子:

#but I suggest you remove the strides
d6 = Conv2DTranspose(128, (5,5), strides = (2,2), activation = 'relu', padding='same', kernel_initializer='uniform')

#'valid' is the default value, but I wrote it so you see the new name of "border_mode"
d6 = Conv2D(128,(3,3), activation='relu', padding='valid')(d6)