【TensorFlow】tf.nn.conv2d_transpose是怎樣實現反捲積的?
三個月沒更新了啊,回來更一發~~
csdn上主要講一些coding過程中遇到的函式,問題,解決方案。偏實踐
另外,如果你想看一些理論方面的東西,歡迎加我的知乎知乎主頁
csdn私信幾乎不看,有問題交流可以發郵箱:[email protected]或者知乎私信,看到我會第一時間回覆各位
之前的文章裡有人和我提了引數位置的問題,非常感謝。之前我用的tensorflow版本是0.8,在1.0大改以後很多引數交換了位置,所以我更新了版本到1.1.0rc1,請大家看程式碼的時候注意一下版本問題
/*******************************************************************************************************************************************************/
今天來介紹一下Tensorflow裡面的反捲積操作,網上反捲積的用法的介紹比較少,希望這篇教程可以幫助到各位
首先無論你如何理解反捲積,請時刻記住一點,反捲積操作是卷積的反向
如果你隨時都記住上面強調的重點,那你基本就理解一大半了,接下來通過一些函式的介紹為大家強化這個觀念
conv2d_transpose(value, filter, output_shape, strides, padding="SAME", data_format="NHWC", name=None)
-
除去name引數用以指定該操作的name,與方法有關的一共六個引數:
-
第一個引數value:指需要做反捲積的輸入影象,它要求是一個Tensor
-
第二個引數filter:卷積核,它要求是一個Tensor,具有[filter_height, filter_width, out_channels, in_channels]這樣的shape,具體含義是[卷積核的高度,卷積核的寬度,卷積核個數,影象通道數]
-
第三個引數output_shape:反捲積操作輸出的shape,細心的同學會發現卷積操作是沒有這個引數的,那這個引數在這裡有什麼用呢?下面會解釋這個問題
-
第四個引數strides:反捲積時在影象每一維的步長,這是一個一維的向量,長度4
-
第五個引數padding:string型別的量,只能是"SAME","VALID"其中之一,這個值決定了不同的卷積方式
-
第六個引數data_format:string型別的量,'NHWC'和'NCHW'其中之一,這是tensorflow新版本中新加的引數,它說明了value引數的資料格式。'NHWC'指tensorflow標準的資料格式[batch, height, width, in_channels],'NCHW'指Theano的資料格式,[batch, in_channels,height, width],當然預設值是'NHWC'
-
開始之前務必瞭解卷積的過程,參考我的另一篇文章:http://blog.csdn.net/mao_xiao_feng/article/details/53444333
-
首先定義一個單通道圖和3個卷積核
-
x1 = tf.constant(1.0, shape=[1,3,3,1])
-
kernel = tf.constant(1.0, shape=[3,3,3,1])
先彆著急!我們不直接用反捲積函式,而是再定義一些圖
-
x2 = tf.constant(1.0, shape=[1,6,6,3])
-
x3 = tf.constant(1.0, shape=[1,5,5,3])
x2是6×6的3通道圖,x3是5×5的3通道圖 好了,接下來對x3做一次卷積操作
y2 = tf.nn.conv2d(x3, kernel, strides=[1,2,2,1], padding="SAME")
所以返回的y2是一個單通道的圖,如果你瞭解卷積過程,很容易看出來y2是[1,3,3,1]的Tensor,y2的結果如下:
-
[[[[ 12.]
-
[ 18.]
-
[ 12.]]
-
[[ 18.]
-
[ 27.]
-
[ 18.]]
-
[[ 12.]
-
[ 18.]
-
[ 12.]]]]
又一個很重要的部分!tf.nn.conv2d中的filter引數,是[filter_height, filter_width, in_channels, out_channels]的形式,而tf.nn.conv2d_transpose中的filter引數,是[filter_height, filter_width, out_channels,in_channels]的形式,注意in_channels和out_channels反過來了!因為兩者互為反向,所以輸入輸出要調換位置
既然y2是卷積操作的返回值,那我們當然可以對它做反捲積,反捲積操作返回的Tensor,應該和x3的shape是一樣的(不難理解,因為是卷積的反過程)
y3 = tf.nn.conv2d_transpose(y2,kernel,output_shape=[1,5,5,3], strides=[1,2,2,1],padding="SAME")
好,現在返回的y3果然是[1,5,5,3]的Tensor,結果如下:
-
[[[[ 12. 12. 12.]
-
[ 30. 30. 30.]
-
[ 18. 18. 18.]
-
[ 30. 30. 30.]
-
[ 12. 12. 12.]]
-
[[ 30. 30. 30.]
-
[ 75. 75. 75.]
-
[ 45. 45. 45.]
-
[ 75. 75. 75.]
-
[ 30. 30. 30.]]
-
[[ 18. 18. 18.]
-
[ 45. 45. 45.]
-
[ 27. 27. 27.]
-
[ 45. 45. 45.]
-
[ 18. 18. 18.]]
-
[[ 30. 30. 30.]
-
[ 75. 75. 75.]
-
[ 45. 45. 45.]
-
[ 75. 75. 75.]
-
[ 30. 30. 30.]]
-
[[ 12. 12. 12.]
-
[ 30. 30. 30.]
-
[ 18. 18. 18.]
-
[ 30. 30. 30.]
-
[ 12. 12. 12.]]]]
這個結果是怎麼得來的?可以用一張動圖來說明,圖片來源:反捲積的真正含義 看起來,tf.nn.conv2d_transpose的output_shape似乎是多餘的,因為知道了原圖,卷積核,步長顯然是可以推出輸出影象大小的,那為什麼要指定output_shape呢? 看這樣一種情況:
y4 = tf.nn.conv2d(x2, kernel, strides=[1,2,2,1], padding="SAME")
我們把上面的x2也做卷積,獲得shape為[1,3,3,1]的y4如下:
-
[[[[ 27.]
-
[ 27.]
-
[ 18.]]
-
[[ 27.]
-
[ 27.]
-
[ 18.]]
-
[[ 18.]
-
[ 18.]
-
[ 12.]]]]
[1,6,6,3]和[1,5,5,3]的圖經過卷積得到了相同的大小,[1,3,3,1] 讓我們再反過來看,那麼[1,3,3,1]的圖反捲積後得到什麼呢?產生了兩種情況。所以這裡指定output_shape是有意義的,當然隨意指定output_shape是不允許的,如下情況程式會報錯:
y5 = tf.nn.conv2d_transpose(x1,kernel,output_shape=[1,10,10,3],strides=[1,2,2,1],padding="SAME")
以上是stride為2的情況,為1時也類似,當卷積核大於原圖時,預設用VALID方式(用SAME就無意義了)參考下圖:
import tensorflow as tf x1 = tf.constant(1.0, shape=[1,3,3,1]) x2 = tf.constant(1.0, shape=[1,6,6,3]) x3 = tf.constant(1.0, shape=[1,5,5,3]) kernel = tf.constant(1.0, shape=[3,3,3,1]) y1 = tf.nn.conv2d_transpose(x1,kernel,output_shape=[1,6,6,3], strides=[1,2,2,1],padding="SAME") y2 = tf.nn.conv2d(x3, kernel, strides=[1,2,2,1], padding="SAME") y3 = tf.nn.conv2d_transpose(y2,kernel,output_shape=[1,5,5,3], strides=[1,2,2,1],padding="SAME") y4 = tf.nn.conv2d(x2, kernel, strides=[1,2,2,1], padding="SAME") ''' Wrong!!This is impossible y5 = tf.nn.conv2d_transpose(x1,kernel,output_shape=[1,10,10,3],strides=[1,2,2,1],padding="SAME") ''' sess = tf.Session() tf.global_variables_initializer().run(session=sess) x1_decov, x3_cov, y2_decov, x2_cov=sess.run([y1,y2,y3,y4]) print(x1_decov.shape) print(x3_cov.shape) print(y2_decov.shape) print(x2_cov.shape)