反卷积层（转置卷积）

反卷积（deconvolution）不是数字信号处理里面的意义，在深度学习里面应该叫做转置卷积（transposed convolution）又名微步卷积（fractionally strided convolutions），也有叫Backward strided convolution ，upconvoution, upsample convolution。主要从以下几个方面理解：

1. 从概念上理解

   转置卷积其实也是一种卷积。总是可以用卷积层来模拟饭卷积层，但是缺点就是需要在行列进行补零，导致不是一个有效的计算接口。

2. 从数据角度解释

   在卷积网络里面，我们是通过卷积层操作，获得feature map，然而对于反卷积层，则是通过feature map的卷积操作，输出value，这输出值是我们期待的图像的值。有点像通过反卷积还原feature map到原始图像。

3. 从卷积公式角度理解

   要理解反卷积的公式，就需要理解卷积的矩阵表达从而得到转置的含义。