當我們需要將影象由小解析度到大解析度對映的時候，我們需要進行上取樣（upsample）。一般上取樣方式有三項：
轉置卷積是一種特殊的正向卷積，先按照一定的比例通過補充0來擴大輸入影象的尺寸，接著旋轉卷積核，進行正向卷積。轉置卷積需要假設如下引數：
假設input_size=3，kernel_size=3，padding=2，strides=2；
input如下：
kernel如下：
strides並非是kernel移動的步長，而是輸入的放大倍數，如下圖，strides=2，則為在input每兩個元素之間新增1個0：
之後我們還會進行乙個小小的padding=1，也就是在最下面和最右邊新增一列和一行0。
最終的輸出結果為：
在上圖中，input_size=2，kernal_size=3，strides=2，padding=2。
反卷積 轉置卷積
搞明白了卷積網路中所謂deconv到底是個什麼東西後，不寫下來怕又忘記，根據參考資料，加上我自己的理解，記錄在這篇部落格裡。第一次看到deconv這個詞，以為deconv的結果就是卷積的逆，覺得神奇，不禁產生了 哦？轉置的卷積就可以求逆了嗎？這樣的想法，然後在matlab裡面實驗求證，我還記得當時以...
轉置卷積 反卷積
借鑑於此個部落格，寫的非常好 轉置卷積 transposed convolution 也叫做反卷積 deconvolution pytorch中可以使用torch.nn.convtranspose2d 來呼叫，caffe中對應的轉置卷積層為deconv layer 作用 在 中用於對影象上取樣。操作...
反卷積層（轉置卷積）
反卷積 deconvolution 不是數字訊號處理裡面的意義，在深度學習裡面應該叫做轉置卷積 transposed convolution 又名微步卷積 fractionally strided convolutions 也有叫backward strided convolution upconv...