首先生成3×3×3的黑色圖片 """ 生成3×3×3黑色圖像 """ def produce_image():size = 3x, y = ogrid[:size, :size] # 第一部分產(chǎn)生多行一列 第二部分產(chǎn)生一行多列z = x + yz = z[:, :, newaxis] # 增加第三維# print(z)img = repeat(z, 3, 2)/12 # 在第三維上復(fù)制兩遍# print(img.shape)# print(img)io.imshow(img, interpolation='none')io.show()return img

打印結(jié)果：

雙線性插值反卷積代碼如下：

""" 生成3×3×3黑色圖像 """ def produce_image():size = 3x, y = ogrid[:size, :size] # 第一部分產(chǎn)生多行一列 第二部分產(chǎn)生一行多列z = x + yz = z[:, :, newaxis] # 增加第三維# print(z)img = repeat(z, 3, 2)/12 # 在第三維上復(fù)制兩遍# print(img.shape)# print(img)io.imshow(img, interpolation='none')io.show()return img""" 上采樣 雙線性插值生成卷積核 """ def upsampling_bilinear():#確定卷積核大小def get_kernel_size(factor):return 2*factor-factor%2# 創(chuàng)建相關(guān)矩陣def upsample_filt(size):factor=(size+1)//2if size%2==1:center=factor-1else:center=factor-0.5og=np.ogrid[:size,:size]# print(og)# print(og[0])# print(og[1])return (1-abs(og[0]-center)/factor)*(1-abs(og[1]-center)/factor)#進(jìn)行上采樣卷積核def bilinear_upsample_weights(factor,number_of_classes):filter_size=get_kernel_size(factor)weights=np.zeros((filter_size,filter_size,number_of_classes,number_of_classes),dtype=np.float32)upsample_kernel=upsample_filt(filter_size)# print(upsample_kernel)for i in range(number_of_classes):weights[:,:,i,i]=upsample_kernel# print(weights[:,:,i,i])# print(weights)# print(weights.shape)return weightsweights=bilinear_upsample_weights(3,3)return weights if __name__ == '__main__':import tensorflow as tf# upsampling()# upsampling_bilinear()image=produce_image()img = tf.cast(image, dtype=tf.float32)img = tf.expand_dims(img, 0) # 增加維度#產(chǎn)生卷積核kerenel=upsampling_bilinear()#反卷積處理res=tf.nn.conv2d_transpose(img,kerenel,output_shape=[1,9,9,3],strides=[1,3,3,1],padding='SAME')with tf.Session() as sess:img = sess.run(res)io.imshow(img[0, :, :, :] , interpolation='none')io.show()

打印結(jié)果：能較好恢復(fù)原圖像

總結(jié)

以上是生活随笔為你收集整理的tensorflow:双线性插值反卷积的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。