Keras中如何用Deconvolution2D得到7x7尺寸128通道特征图？

首先咱们先理清问题根源：你用Deconvolution2D得到8x8而非目标7x7，是因为反卷积的输出尺寸计算和你设置的参数不匹配；而后续用3x3卷积border_mode='same'没变化，是因为same padding的核心作用就是保持输入输出尺寸一致，8x8输入自然还是输出8x8，这是预期行为。

下面给你两种可行的解决方案：

方案一：调整反卷积层参数，直接得到7x7特征图 #

反卷积的输出尺寸计算公式（针对旧版Keras的Deconvolution2D，channels_first格式）是：
输出尺寸 = (输入尺寸 - 1) × stride + 核大小 - 2 × padding

你的输入是4x4，目标输出7x7，stride设为2的话，代入公式：
7 = (4-1)×2 + 核大小 - 2×padding
化简得：核大小 - 2×padding = 1

基于这个等式，你可以调整核大小和padding：

• 如果想用3x3核：3 - 2×1 =1，刚好符合，此时用border_mode='same'（padding=1）即可，代码如下：

d6 = Deconvolution2D(128, 3, 3, subsample=(2,2), activation='relu', init='uniform', output_shape=(None, 128, 7, 7), border_mode='same')(d5)

• 如果坚持用5x5核：5 -2×2=1，但旧版Keras的border_mode没有直接支持自定义padding的选项，所以更推荐用3x3核的方案。

方案二：先反卷积得到8x8，再裁剪为7x7 #

如果你不想修改反卷积层的参数，可以用Cropping2D层把8x8的特征图裁剪成7x7，只需要裁掉一行一列即可：

# 先得到8x8的特征图
d6 = Deconvolution2D(128, 5, 5, subsample=(2,2), activation='relu', init='uniform', border_mode='same')(d5)
# 裁剪为7x7
d6 = Cropping2D(cropping=((0, 1), (0, 1)))(d6)

这里cropping=((0,1),(0,1))表示在高度方向从底部裁掉1行，宽度方向从右侧裁掉1列（你也可以根据需求调整裁剪位置，比如上下各裁部分，但因为尺寸是整数，只能裁整行整列）。

另外提醒一下：旧版Keras的Deconvolution2D现在已经被Conv2DTranspose替代了，如果你用的是较新版本的Keras，建议迁移到Conv2DTranspose，参数逻辑基本一致，但更符合官方规范。

内容的提问来源于stack exchange，提问作者konstantin