尽管您的输入数据是三维的，但您必须将其Conv2D用于您的任务。我猜Conv3d是用于具有时间特征的数据，你的只是一张简单的图片。为了说明您为什么应该这样做Conv2D，假设您的输入图像是224 * 224 * 3并且您使用了Conv2D具有 10 个过滤器的层。您必须指定步幅和填充才能指定输出形状。您必须指定尺寸以说明过滤器的高度和宽度，也称为内核，如果您将填充分配给“有效”，过滤器大小将影响输出大小。在这里，有一点。假设您已指定过滤器大小为10 * 10过滤器，则如果输入形状为224 * 224 * 1，则每个过滤器的大小10 * 10 * 1将适合输入区域。现在输入的大小224 * 224 * 3每个内核的大小是10 * 10 * 3为了适应输入量。考虑在所有情况下，每个卷积操作的输出，更好地说是互相关，是一个标量。有关更多信息，请查看此处的视频，对于您的情况，我鼓励您观看Convolution Over Volume。

按照惯例，除了输入特征图（可能是音频的 1D、典型图像的 2D、视频帧序列的 3D）之外，对于卷积网络，还有两个额外的维度：

1. 批处理或小批量中的示例数量，甚至将单个示例计为大小为 1 的小批量）

2. 当前层中特征图或通道的数量，甚至将单个灰度图像计算为 1 个通道的数组，或将 RGB（或其他颜色空间）图像计算为 3 个通道

因此，在您的情况下，您将需要一个conv2d层来处理图像。尺寸的精确顺序变化很大 - 检查您的库文档，并注意大多数库允许您更改与不同工具链的交叉兼容性的安排。但是典型的层输入或输出可能被安排为$\text{BatchSize} \times \text{Height} \times \text{Width} \times \text{Channels}$

输入和输出维度相同（但通常大小不同），因此层可以自然地链接在一起。

您链接的文档实际上确实说明了这一点（有点，它可以更详细地解释相同性，因为数据类型和维度实际上是相同的，并且两者都可能有所不同）：

回报：

与 value 具有相同类型的张量。

要在标题中回答您的问题：

conv3d 和 conv3d_transpose 的形状是什么？

它是一个 5 阶张量，尺寸为： $\text{BatchSize} \times \text{Depth} \times \text{Height} \times \text{Width} \times \text{Channels}$

理论上你可以将它用于你的 GAN，但你需要为形状添加（可能无用的）深度维度。