如何设置卷积解码器的padding与output_padding，得到1x9x30x30输出？

要让输入尺寸为1x96x4x4的张量经过三层转置卷积后输出1x9x30x30，需要对应编码器的卷积计算逻辑反向推导padding和output_padding参数，具体步骤和修改后的代码如下：

编码器尺寸变化逻辑 #

编码器的三层卷积把1x9x30x30逐步压缩为1x96x4x4：

• 第一层Conv2d：30x30 → 15x15（计算：floor((30 + 2*2 -5)/2) +1 =15）
• 第二层Conv2d：15x15 → 8x8（计算：floor((15 +2*2 -5)/2)+1=8）
• 第三层Conv2d：8x8 → 4x4（计算：floor((8 +2*1 -3)/2)+1=4）

解码器每层参数推导 #

转置卷积输出尺寸公式：output_size = (input_size -1)*stride -2*padding + kernel_size + output_padding，反向代入目标输出尺寸计算参数：

1. 第一层转置卷积（对应编码器第三层）

   • 输入4x4，目标输出8x8
   • 代入公式解得：padding=1，output_padding=1（满足output_padding < stride=2）

2. 第二层转置卷积（对应编码器第二层）

   • 输入8x8，目标输出15x15
   • 代入公式解得：padding=2，output_padding=0

3. 第三层转置卷积（对应编码器第一层）

   • 输入15x15，目标输出30x30
   • 代入公式解得：padding=2，output_padding=1

修改后的完整代码 #

import torch

# Input.
x = torch.rand(1, 9, 30, 30) # input tensor of size 1x9x30x30

# Encoder.
encoder = torch.nn.Sequential(
    torch.nn.Conv2d(9, 24, kernel_size=5, stride=2, padding=2),
    torch.nn.ReLU(),
    torch.nn.Conv2d(24, 48, kernel_size=5, stride=2, padding=2),
    torch.nn.ReLU(),
    torch.nn.Conv2d(48, 96, kernel_size=3, stride=2, padding=1),
    torch.nn.ReLU()
)
z = encoder(x) # encoded tensor of size 1x96x4x4
print("Encoded size:", z.shape) # 输出 torch.Size([1, 96, 4, 4])

# Decoder.
decoder = torch.nn.Sequential(
    torch.nn.ConvTranspose2d(96, 48, kernel_size=3, stride=2, padding=1, output_padding=1),
    torch.nn.ReLU(),
    torch.nn.ConvTranspose2d(48, 24, kernel_size=5, stride=2, padding=2, output_padding=0),
    torch.nn.ReLU(),
    torch.nn.ConvTranspose2d(24, 9, kernel_size=5, stride=2, padding=2, output_padding=1),
    torch.nn.Sigmoid()
)
x_hat = decoder(z)
print("Decoded size:", x_hat.shape) # 输出 torch.Size([1, 9, 30, 30])

内容的提问来源于stack exchange，提问作者Jeff Bezos