如何控制GAN模型生成器的输出形状？适配512×512图像需求

你的生成器输出宽度为4096而非目标512的根源在于：输入宽128经过5次stride=2的转置卷积后，被连续放大了32倍（2⁵），128×32=4096；而输入高16经过同样5次放大后刚好是512（16×32=512）。要让宽度最终匹配目标尺寸，需要调整网络中宽度方向的缩放倍数，让总缩放从32倍降到4倍（512/128=4）。

核心思路是给转置卷积设置非对称的stride，分别控制高度和宽度的放大次数：高度需要5次×2的放大（从16到512），宽度仅需2次×2的放大（从128到512），剩余3次保持宽度不变。

修改后的生成器代码如下：

nn.Sequential(
    # 第1层：高16→32，宽128→256（双向×2）
    nn.ConvTranspose2d(8, 16, kernel_size=4, stride=(2, 2), padding=1, bias=False),
    nn.BatchNorm2d(16),
    nn.ReLU(True),
    # 第2层：高32→64，宽256→512（双向×2）
    nn.ConvTranspose2d(16, 32, kernel_size=4, stride=(2, 2), padding=1, bias=False),
    nn.BatchNorm2d(32),
    nn.ReLU(True),
    # 第3层：高64→128，宽512保持（仅高度×2）
    nn.ConvTranspose2d(32, 64, kernel_size=4, stride=(2, 1), padding=(1, 2), bias=False),
    nn.BatchNorm2d(64),
    nn.ReLU(True),
    # 第4层：高128→256，宽512保持（仅高度×2）
    nn.ConvTranspose2d(64, 128, kernel_size=4, stride=(2, 1), padding=(1, 2), bias=False),
    nn.BatchNorm2d(128),
    nn.ReLU(True),
    # 第5层：高256→512，宽512保持（仅高度×2）
    nn.ConvTranspose2d(128, 3, kernel_size=4, stride=(2, 1), padding=(1, 2), bias=False),
    nn.Tanh()
)

尺寸验证 #

• 输入：(8, 16, 128)
• 第1层输出：(16, 32, 256)（高=(16-1)2+4-21=32；宽=(128-1)2+4-21=256）
• 第2层输出：(32, 64, 512)（高=(32-1)2+4-21=64；宽=(256-1)2+4-21=512）
• 第3层输出：(64, 128, 512)（高=(64-1)2+4-21=128；宽=(512-1)1+4-22=512）
• 第4层输出：(128, 256, 512)（高=(128-1)2+4-21=256；宽保持512）
• 第5层输出：(3, 512, 512)（高=(256-1)2+4-21=512；宽保持512）

补充说明 #

如果不想用非对称padding，也可以将后三层的kernel_size改为(4,3)，padding=(1,1)，这样宽度计算为(512-1)*1+3-2*1=512，同样能保持宽度不变，代码调整如下：

nn.ConvTranspose2d(32, 64, kernel_size=(4,3), stride=(2,1), padding=(1,1), bias=False),

内容的提问来源于stack exchange，提问作者Mohamed Amine