不定時更新
反卷積就是轉置卷積，也可以寫成兩個矩陣相乘，通常由小尺寸變成大尺寸，反卷積的反向傳播也是可行的。
如圖是反卷積的過程：
下面介紹卷積的反向傳播過程，此過程與反卷積相同。
反卷積的計算是把卷積的得到的結果與卷積核的轉置相乘，所以也叫轉置卷積。
卷積的過程如下圖：
用矩陣表達：
反向傳播的公式：
其矩陣形式為：
這時就轉為計算
的過程。
從前面的計算過程可以找出x11參與了a中哪些元素的計算，並且可以根據對應的前向計算得出反向傳播的計算公式：
後面的矩陣即為卷積核的轉置。
反卷積（轉置卷積）的理解
參考 開啟鏈結 就是這個圖啦，其中藍色部分是輸入的feature map，然後有3 3的卷積核在上面以步長為2的速度滑動，可以看到周圍還加里一圈padding，用更標準化的引數方式來描述這個過程 二維的離散卷積 n 2 方形的特徵輸入 i i i 方形的卷積核尺寸 k k k 每個維度相同的步長 s...
理解轉置卷積 反卷積 分步卷積
gan涉及到轉置卷積，這裡mark一下忘記了再回來看下。轉置卷積源於與卷積方向相反的願望，即從卷積的output形狀到input形狀，同時保持與卷積相相容的一種模式。轉置卷積可以作為卷積編碼器的解碼器 decode 的轉換，或者將當前特徵對映到乙個高維度的空間。要理解轉置卷積，先從卷積開始。我們先從...
卷積和反卷積
n image h 2 pad h kernel h stride h 1 image w 2 pad w kernel w stride w 1 image h 輸入影象的高度 image w 輸入影象的寬度 pad h 在輸入影象的高度方向兩邊各增加pad h個單位長度 因為有兩邊，所以乘以2 ...