tensorflow中的conv2d和conv2d_transpose中的参数求解～
#coding=utf-8
import tensorflow as tf
input=tf.ones(name="input",shape=(1,18,18,3),dtype=tf.float32)
weight=tf.get_variable(name="w",shape=(11,11,20,3),dtype=tf.float32)
output_shape=[1,273,273,20]
#[1,288,288,20]
output=tf.nn.conv2d_transpose(input,weight,strides=(1,16,16,1),output_shape=output_shape,padding="SAME")
init_op=tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init_op)
out=sess.run(output)
print(out.shape)
#coding=utf-8
import tensorflow as tf
input=tf.ones(name="input",shape=(1,18,18,3),dtype=tf.float32)
weight=tf.get_variable(name="w",shape=(11,11,20,3),dtype=tf.float32)
output_shape=[1,283,283,20]
#[1,298,298,20]]
output=tf.nn.conv2d_transpose(input,weight,strides=(1,16,16,1),output_shape=output_shape,padding="VALID")
init_op=tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init_op)
out=sess.run(output)
print(out.shape)
经过探索，
1、当padding="SAME"的时候，output_shape的范围处于[273,288]；
印证了当padding=“SAME”的时候，conv2d的输出形状为：
output_shape=[input_shape//stride]+1，这里需要说明一点，这里包含两种情况。一种为input_shape可以整除output_shape,那么就不用+1；另一种为input_shape不能整除stride则需要进行+1操作～
2、当padding=“VALID”的时候，output_shape范围处于[283,298];
印证了当padding=“VALID”的时候，conv2d的输出形状为：
output_shape=[(input_shape-filter_size+1)//stride]+1，同样需要说明一点，包含两种情况。一种为input_shape-filter_size+1可以整除stride，那么就不用+1；另一种为input_shape不能整除stride时候需要进行+1操作～
更清晰的如下：（此图来自 https://www.cnblogs.com/wuzhitj/p/6433871.html）