不了解类 UNET 架构中的数据流，并且 Conv2DTranspose 层的输出存在问题

我对修改后的 U-Net 架构的输入维度有一两个问题。为了节省您的时间并更好地理解/重现我的结果，我将发布代码和输出尺寸。修改后的U-Net架构是来自的MultiResUNet架构https://github.com/nibtehaz/MultiResUNet/blob/master/MultiResUNet.py https://github.com/nibtehaz/MultiResUNet/blob/master/MultiResUNet.py。并基于本文https://arxiv.org/abs/1902.04049 https://arxiv.org/abs/1902.04049请不要因为这段代码的长度而关闭。您只需复制粘贴即可，重现我的结果的时间不会超过 10 秒。此外，您不需要为此提供数据集。使用 TF.v1.9 Keras v.2.20 进行测试。

import tensorflow as tf
from tensorflow.keras.layers import Input, Conv2D, MaxPooling2D, Conv2DTranspose, concatenate, BatchNormalization, Activation, add
from tensorflow.keras.models import Model
from tensorflow.keras.activations import relu 

###{ 2D Convolutional layers

   # Arguments: ######################################################################
   #     x {keras layer} -- input layer                                   #
   #     filters {int} -- number of filters                                        #
   #     num_row {int} -- number of rows in filters                               #
   #     num_col {int} -- number of columns in filters                           #

    # Keyword Arguments:
   #     padding {str} -- mode of padding (default: {'same'})
  #      strides {tuple} -- stride of convolution operation (default: {(1, 1)})
 #       activation {str} -- activation function (default: {'relu'})
#        name {str} -- name of the layer (default: {None})

  #  Returns:
  #          [keras layer] -- [output layer]}

      # # ############################################################################


def conv2d_bn(x, filters ,num_row,num_col, padding = "same", strides = (1,1), activation = 'relu', name = None):

    x = Conv2D(filters,(num_row, num_col), strides=strides, padding=padding, use_bias=False)(x)
    x = BatchNormalization(axis=3, scale=False)(x)
    if(activation == None):
        return x
    x = Activation(activation, name=name)(x)

    return x

# our 2D transposed Convolution with batch normalization

 # 2D Transposed Convolutional layers

 #   Arguments:      #############################################################
 #       x {keras layer} -- input layer                                         #
 #       filters {int} -- number of filters                                    #
 #       num_row {int} -- number of rows in filters                           #
 #       num_col {int} -- number of columns in filters

 #   Keyword Arguments:
 #       padding {str} -- mode of padding (default: {'same'})
 #       strides {tuple} -- stride of convolution operation (default: {(2, 2)}) 
 #       name {str} -- name of the layer (default: {None})

  #  Returns:
  #      [keras layer] -- [output layer] ###################################

def trans_conv2d_bn(x, filters, num_row, num_col, padding='same', strides=(2, 2), name=None): 

    x = Conv2DTranspose(filters, (num_row, num_col), strides=strides, padding=padding)(x)
    x = BatchNormalization(axis=3, scale=False)(x)

    return x

# Our Multi-Res Block 

# Arguments: ############################################################
#        U {int} -- Number of filters in a corrsponding UNet stage     #
#        inp {keras layer} -- input layer                             #

#    Returns:                                                       #
#        [keras layer] -- [output layer]                           #
###################################################################

def MultiResBlock(U, inp, alpha = 1.67):

    W = alpha * U

    shortcut = inp

    shortcut = conv2d_bn(shortcut, int(W*0.167) + int(W*0.333) +
                         int(W*0.5), 1, 1, activation=None, padding='same')

    conv3x3 = conv2d_bn(inp, int(W*0.167), 3, 3,
                        activation='relu', padding='same')

    conv5x5 = conv2d_bn(conv3x3, int(W*0.333), 3, 3,
                        activation='relu', padding='same')

    conv7x7 = conv2d_bn(conv5x5, int(W*0.5), 3, 3,
                        activation='relu', padding='same')

    out = concatenate([conv3x3, conv5x5, conv7x7], axis=3)
    out = BatchNormalization(axis=3)(out)

    out = add([shortcut, out])
    out = Activation('relu')(out)
    out = BatchNormalization(axis=3)(out)

    return out

# Our ResPath:
# ResPath

#    Arguments:#######################################
#        filters {int} -- [description]
#        length {int} -- length of ResPath
#        inp {keras layer} -- input layer 

#    Returns:
#        [keras layer] -- [output layer]#############



def ResPath(filters, length, inp):
    shortcut = inp
    shortcut = conv2d_bn(shortcut, filters, 1, 1,
                         activation=None, padding='same')

    out = conv2d_bn(inp, filters, 3, 3, activation='relu', padding='same')

    out = add([shortcut, out])
    out = Activation('relu')(out)
    out = BatchNormalization(axis=3)(out)

    for i in range(length-1):

        shortcut = out
        shortcut = conv2d_bn(shortcut, filters, 1, 1,
                             activation=None, padding='same')

        out = conv2d_bn(out, filters, 3, 3, activation='relu', padding='same')

        out = add([shortcut, out])
        out = Activation('relu')(out)
        out = BatchNormalization(axis=3)(out)

    return out



#    MultiResUNet

#    Arguments: ############################################
#        height {int} -- height of image 
#        width {int} -- width of image 
#        n_channels {int} -- number of channels in image

#    Returns:
#        [keras model] -- MultiResUNet model###############




def MultiResUnet(height, width, n_channels):



    inputs = Input((height, width, n_channels))

    # downsampling part begins here 

    mresblock1 = MultiResBlock(32, inputs)
    pool1 = MaxPooling2D(pool_size=(2, 2))(mresblock1)
    mresblock1 = ResPath(32, 4, mresblock1)

    mresblock2 = MultiResBlock(32*2, pool1)
    pool2 = MaxPooling2D(pool_size=(2, 2))(mresblock2)
    mresblock2 = ResPath(32*2, 3, mresblock2)

    mresblock3 = MultiResBlock(32*4, pool2)
    pool3 = MaxPooling2D(pool_size=(2, 2))(mresblock3)
    mresblock3 = ResPath(32*4, 2, mresblock3)

    mresblock4 = MultiResBlock(32*8, pool3)


    # Upsampling part 

    up5 = concatenate([Conv2DTranspose(
        32*4, (2, 2), strides=(2, 2), padding='same')(mresblock4), mresblock3], axis=3)
    mresblock5 = MultiResBlock(32*8, up5)

    up6 = concatenate([Conv2DTranspose(
        32*4, (2, 2), strides=(2, 2), padding='same')(mresblock5), mresblock2], axis=3)
    mresblock6 = MultiResBlock(32*4, up6)

    up7 = concatenate([Conv2DTranspose(
        32*2, (2, 2), strides=(2, 2), padding='same')(mresblock6), mresblock1], axis=3)
    mresblock7 = MultiResBlock(32*2, up7)


    conv8 = conv2d_bn(mresblock7, 1, 1, 1, activation='sigmoid')

    model = Model(inputs=[inputs], outputs=[conv8])

    return model

现在回到 UNet 架构中输入/输出维度不匹配的问题。

如果我选择过滤器高度/宽度 (128,128) 或 (256,256) 或 (512,512) 并执行以下操作：

 model = MultiResUnet(128, 128,3)
 display(model.summary()) 

Tensorflow 为我提供了整个架构的完美结果。现在如果我这样做

     model = MultiResUnet(36, 36,3)
     display(model.summary()) 

我收到此错误：

-------------------------------------------------- -------------------------- ValueError Traceback（最近调用 最后）在 ----> 1 模型 = MultiResUnet(36, 36,3) 2 显示(model.summary())

在 MultiResUnet 中（高度、宽度、 n_通道） 25 26 up5 = 连接([Conv2DTranspose( ---> 27 32*4, (2, 2), 步长=(2, 2), 填充='相同')(mresblock4), mresblock3], 轴=3) 28 mresblock5 = MultiResBlock(32*8, up5) 29

〜/miniconda3/envs/MastersTheenv/lib/python3.6/site-packages/tensorflow/python/keras/layers/merge.py 连接（输入，轴，**kwargs） 第682章 一个张量，输入沿轴的串联axis。 第683章 --> 684 返回连接（轴=轴，**kwargs）（输入） 第685章 第686章

〜/miniconda3/envs/MastersTheenv/lib/python3.6/site-packages/tensorflow/python/keras/engine/base_layer.py 在call（自身、输入、*args、**kwargs） 第694章 第695章 --> 696 self.build(input_shapes) 第697章 第698章输入形状。

〜/miniconda3/envs/MastersTheenv/lib/python3.6/site-packages/tensorflow/python/keras/utils/tf_utils.py 在包装器中（实例，input_shape） 146 其他： [第 147 章] --> 148 输出形状 = fn(实例, 输入形状) 149如果output_shape不是None： 150 if isinstance（输出形状，列表）：

〜/miniconda3/envs/MastersTheenv/lib/python3.6/site-packages/tensorflow/python/keras/layers/merge.py 在构建（自身，input_shape）中 第388章 [第 389 章] ' --> 390 '获得输入形状：%s' % (input_shape)) 第391章 第392章

值错误：AConcatenate层需要具有匹配形状的输入 除了连续轴之外。获得输入形状：[(None, 8, 8, 128), （无、9、9、128）]

为什么 Conv2DTranspose 给我错误的尺寸

（无、8、8、128）

代替

（无、9、9、128）

为什么当我选择 (128,128)、(256,256) 等过滤器大小（32 的倍数）时 Concat 函数不会抱怨因此，为了概括这个问题，我怎样才能使这个 UNet 架构适用于任何过滤器大小我该如何处理 Conv2DTranspose 层，生成比实际需要的尺寸少一维（宽度/高度）的输出（当过滤器大小不是 32 的倍数或不对称时），为什么不这样做如果其他过滤器尺寸是 32 的倍数，则会发生这种情况。如果我有的话会怎样可变输入尺寸 ??

任何帮助将不胜感激。

干杯， H

U-Net 系列模型（例如上面的 MultiResUNet 模型）遵循编码器-解码器架构。Encoder是具有特征提取的下采样路径，而decoder一个上采样的。来自编码器的特征图是串联的在解码器处通过跳过连接。这些特征图在最后一个轴上连接起来，即'渠道'轴（考虑特征的尺寸 [batch_size、高度、宽度、通道]）。现在，对于要在任何轴（在我们的例子中为“通道”轴）连接的特征，所有其他轴的尺寸must match.

在上述模型架构中，有3 下采样/最大池化正在执行的操作（通过MaxPooling2D）在编码器路径中。在解码器路径上3 上采样/转置转换执行操作，旨在将图像恢复到完整尺寸。然而，为了发生串联（通过跳过连接），下采样和上采样的特征维度高度、宽度和批量大小在模型的每个“级别”都应该保持相同。我将用您在问题中提到的示例来说明这一点：

1st case：输入尺寸(128,128,3)：128 -> 64 -> 32 -> 16 -> 32 -> 64 -> 128

2nd case：输入尺寸(36,36,3): 36 -> 18 ->9 -> 4 -> 8-> 16 -> 32

在第二种情况下，当height and width特征图的数量达到9在编码器路径中，进一步下采样会导致尺寸变化（损失）无法在解码器中恢复上采样时。因此，由于无法连接维度的特征图，它会抛出错误[(无、8、8、128)] & [(无、9、9、128)].

一般来说，对于一个简单的编码器-解码器模型（具有跳过连接）具有'n' 下采样（MaxPooling2D) 层，输入维度必须是2^n 的倍数能够在解码器处连接模型的编码器特征。在这种情况下n=3，因此输入必须是8以免遇到这些尺寸不匹配错误。

希望这可以帮助！ :)