tensorflow - TensorFlow v1 和 v2 中 Keras 的 ZeroPadding2D 的区别？

Question

我最近完成了 Andrew Ng 在 Coursera 上针对卷积网络的深度学习课程。最后一个作业结束了人脸识别。我想将使用 TensorFlow 1.2.1 的作业中的代码迁移到最新版本（我使用的是 TensorFlow 2.2.0）。

让我们从使用 tf 1.2.1 的分配中观察以下代码：

  from keras.layers import Conv2D, ZeroPadding2D, Activation, Input, concatenate
  X_input = Input(input_shape)
  X = ZeroPadding2D((3, 3))(X_input)

哪里input_shape = (3, 96, 96)。X_input 和 X 的形状如下（print在 Coursera 的 Notebook 中执行）：

(?, 3, 96, 96)   # shape of X_input
(?, 3, 102, 102) # shape of X

但是，当我尝试使用 tf 2.2.0 在 Google Colab 上的 Notebook 中运行完全相同的代码时，形状为：

(None, 3, 96, 96)  # shape of X_input
(None, 9, 102, 96) # shape of X

在我看来，ZeroPadding2D工作方式不同。那正确吗？如何执行零填充以实现与分配中的形状相同的形状（不接触通道）？

谢谢！

编辑：我个人笔记本中的代码块：

from tensorflow import keras
from tensorflow.keras.layers import Input, Conv2D, MaxPool2D, AveragePooling2D, ZeroPadding2D, BatchNormalization, Activation, Dense, Lambda

X_input = Input(input_shape)
print(X_input.shape)
X = ZeroPadding2D((3, 3))(X_input)
print(X.shape)

标签： tensorflowkerasdeep-learningconv-neural-networktensorflow2.0

Answer 1

替换代码，

X = ZeroPadding2D((3, 3))(X_input)

和

X = ZeroPadding2D(padding = ((3, 3), (3,3)), data_format='channels_first')(X_input)

会给你预期的结果。

完整的工作代码如下所示：

from tensorflow import keras
from tensorflow.keras.layers import Input, Conv2D, MaxPool2D, AveragePooling2D, ZeroPadding2D, BatchNormalization, Activation, Dense, Lambda
input_shape = (3, 96, 96)
X_input = Input(input_shape)
print(X_input.shape)
X = ZeroPadding2D(padding = ((3, 3), (3,3)), data_format='channels_first')(X_input)
print(X.shape)