【发布时间】：2019-03-30 10:54:18
【问题描述】：
我正在研究 TensorFlow 转置卷积模型，其中（批量大小、层高、层宽、输出通道）为 (100、25、25、64)。 现在我正在应用一个转置操作，其中大小为 4 x 4 且步幅为 2 且填充为 0.25 的内核。我的目标是获得 50 的输出大小，例如(100, 50, 50, 64) 我检查了Stack OverFlow 和tfpad，其中 pad 类型提到了 Init32。 如果你们中的任何人建议我如何使用浮点类型的填充或如何在转置操作后获得大小为 50 的输出层大小，这将是一个很大的帮助。
【问题讨论】：
-
你能解释一下填充为 0.25 是什么意思吗？人们通常会想到全部的填充。
-
是的，根据更新的文章，没有将浮点实现为填充的概念。因此，填充是作为一个整体完成的（即 1、2）。我正在研究一个模型，该模型的所有面都需要 0.25 以保持输出层的预期形状。现在，我修改了计算输出大小的公式（对于这种特殊情况），幸运的是它工作正常。
标签： python-2.7 tensorflow deep-learning padding