我目前正在尝试在TensorFlow中实现FCN for semantic segmentation，就像之前在Caffe here中所做的那样 .
不幸的是，我正在努力完成以下三件事：
1）如何将"Deconvolution"层从Caffe映射到TensorFlow？这是正确的 tf.nn.conv2d_transpose ？
2）如何将“Crop”图层从Caffe映射到TensorFlow？不幸的是，我在TensorFlow中看不到任何替代方案 . 在TensorFlow中有相同的效果吗？
3）Caffe SoftmaxWithLoss 对应于TensorFlow softmax_cross_entropy_with_logits吗？
提前感谢您提供任何建议，提示和帮助 .
EDIT 9th May 2016:
1）我发现 tf.nn.conv2_transpose 确实对应于反卷积层 .
2）目前作物层似乎确实是一个问题 . 我发现实际上存在tf.image.resize_image_with_crop_or_pad，但这似乎不可能用于此目的，因为它不能用于动态创建的张量，也不能用于 tf.nn.conv2_transpose 层之后需要使用的4D张量 .
可能会提供更多信息：https://github.com/tensorflow/tensorflow/issues/2049
EDIT 17th May 2016:
我已经关注@ 24hours建议并在tensorflow中构建FCN，尽管我无法对任意大小的数据进行训练 .
2）真的不需要裁剪层 .
3）我最后使用了 tf.nn.sparse_softmax_cross_entropy_with_logits ，它对我有用 .
2 回答
感谢@ 24hours的建议，我找到了所有3个问题的答案 . 不幸的是，张量流中任意大小的FCN都比caffe复杂一点，但希望我能很快解决这个问题 .
1）
tf.nn.conv2d_transpose可以使用 .2）不需要裁剪层，可以使用
tf.nn.conv2d_transpose层的output_size代替 .3）最后我使用了
tf.nn.sparse_softmax_cross_entropy_with_logits通过实现裁剪层，我找到了在tensorflow中解决任意大小图像的方法 . 现在只需传递单个图像，就可以使用任何尺寸的图像 . 有关我的解决方案的更多信息，请访问：https://stackoverflow.com/a/45632285/3134418