为什么Keras UpSampling2D层要转换为float32？
为什么Keras UpSampling2D层要转换为float32？
提问于 2022-04-11 07:34:22
当使用Keras UpSampling2D层调整float64数组的大小时，结果将转换为float32。下面的代码片段演示此行为。
import numpy as np
from keras import layers
arr = np.ones((4,4), np.float64).reshape((1,4,4,1))
print(arr.dtype) # float64
upsample = layers.UpSampling2D(interpolation='bilinear')
arr_upsampled = upsample(arr)
print(arr_upsampled.dtype) # float32为什么会发生这种情况，并且是否有可能保留由此产生的张量float64？
回答 1
Data Science用户
回答已采纳
发布于 2022-04-11 10:21:52
这就是所发生的事情: UpSampling2D调用keras.backend.resize_images，后者调用tensorflow.image.resize。在其文件中，我们发现：
返回值有float32类型，除非方法是ResizeMethod.NEAREST_NEIGHBOR，否则返回的dtype是图像的dtype：
当您指定‘双线性’作为插值方法时，结果类型是float32。如果你使用‘最近’，你应该得到一个float64的结果。
这一约束似乎是由于仅为float32实现的双线性插值的内部实现。这一限制渗透到所有依赖它的功能中。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/109870
复制相关文章
相似问题
腾讯云开发者
