爲什麼Conv2d_Transpose/deconv2d在tensorflow中返回原始輸入？

Question

weights = tf.placeholder("float",[5,5,1,1]) 
imagein = tf.placeholder("float",[1,32,32,1]) 
conv = tf.nn.conv2d(imagein,weights,strides=[1,1,1,1],padding="SAME") 
deconv = tf.nn.conv2d_transpose(conv, weights, [1,32,32,1], [1,1,1,1],padding="SAME") 


dw = np.random.rand(5,5,1,1) 
noise = np.random.rand(1,32,32,1) 

sess = tf.InteractiveSession() 

convolved = conv.eval(feed_dict={imagein: noise, weights: dw}) 
deconvolved = deconv.eval(feed_dict={imagein: noise, weights: dw}) 

我一直想弄清conv2d_transpose爲了扭轉在Tensorflow中的卷積。我的理解是，「解卷積」應該包含與應用正常卷積然後其轉置之後的「噪聲」相同的數據，但「解卷積」只包含一些完全不同的圖像。我的代碼有什麼問題，或者理論不正確？

Answer 1

有一個原因叫做conv2d_transpose而不是deconv2d：它不是反捲積。卷積不是一個正交變換，所以它的逆（反捲積）與其轉置不同（conv2d_transpose）。

您的困惑是可以理解的：調用卷積轉置「反捲積」已經標準化了多年的神經網絡實踐。我很高興，比我們能夠在TensorFlow中修復這個名稱在數學上是正確的;更多細節在這裏：

https://github.com/tensorflow/tensorflow/issues/256