在 PyTorch 中使用转置卷积进行上采样

【问题标题】：Using Transposed convolution for upsampling in PyTorch在 PyTorch 中使用转置卷积进行上采样
【发布时间】：2022-08-02 22:19:29
【问题描述】：

我有一个(2,1024,4,6) 的 4D 张量。我想使用转置卷积对这种张量的空间维度进行两倍上采样，并将通道数从 1024 减少到 512。我想要一个像 (2,512,8,12) 这样的 4D 张量。我怎样才能做到这一点？另外，转置卷积是减少通道数的好主意吗？例如，我使用了以下脚本，但它不起作用：

nn.ConvTranspose3d(in_channels=1024, out_channels=512, kernel_size=(1,2,2), stride=(1,3,2), padding=(0,1,1))

标签： python pytorch

【解决方案1】：

看来您应该使用ConvTranspose2d 而不是ConvTranspose3d，因为您的输入张量是4D，形状为NCHW。有不同的方法可以获得这些结果，但一种直接的方法是使用具有匹配步幅的2 内核大小：

>>> conv = nn.ConvTranspose2d(1024, 512, kernel_size=2, stride=2)

这是一个推理示例：

>>> conv(torch.rand(2, 1024, 4, 6)).shape
torch.Size([2, 512, 8, 12])

【讨论】：