将 pytorch 2d 填充转换为 tensorflow keras答案

【问题标题】：converting pytorch 2d padding to tensorflow keras将 pytorch 2d 填充转换为 tensorflow keras
【发布时间】：2020-05-24 23:35:46
【问题描述】：

这相当于什么：

nn.ReflectionPad2d(1)

在 TensorFlow 2 中？上面一行来自 PyTorch。

在 TensorFlow 2 Keras 中，我目前正在研究使用 tf.pad() 作为其 TF 版本，但 PyTorch 似乎能够使用单个整数 1 处理不同的维度。例如，如果它得到一个输入形状 [batch size, 1, 1, 100], nn.ReflectionPad2D 可以很好地处理这个问题，但是在 TensorFlow 中，如果我尝试使用会出现错误

tf.pad(t, tf.constant([0,0], [1,1], [1,1], [0,0]]), 'REFLECT')

关于如何在 TensorFlow 2 keras 中复制 nn.ReflectinPad2d 有什么建议吗？谢谢！

【问题讨论】：

标签： python tensorflow keras pytorch

【解决方案1】：

当我在 TF2 上训练 CycleGan 时，我为自己创建了这个自定义层：

class ReflectionPad2D(tf.keras.layers.Layer):
  def __init__(self, paddings=(1,1,1,1)):
    super(ReflectionPad2D, self).__init__()
    self.paddings = paddings

  def call(self, input):
    l, r, t, b = self.paddings

    return tf.pad(input, paddings=[[0,0], [t,b], [l,r], [0,0]], mode='REFLECT')

您可以通过将其放入模型/序列中来按原样使用它，例如：

model = Sequential([
    ReflectionPad2D((3, 3, 3, 3)),
    Conv2D(64, kernel_size=7, strides=1, padding='valid', use_bias=False),
    BatchNormalization()
])

model.build(input_shape=(8, 128, 128, 3))
model.summary()

示例输出：

Model: "sequential_13"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
reflection_pad2d_198 (Reflec (8, 134, 134, 3)          0         
_________________________________________________________________
conv2d_474 (Conv2D)          (8, 128, 128, 64)         9408      
_________________________________________________________________
batch_normalization_41 (Batc (8, 128, 128, 64)         256       
=================================================================
Total params: 9,664
Trainable params: 9,536
Non-trainable params: 128
_________________________________________________________________

【讨论】：