Transposed convolution：pytorch ConvTranspose2d参数设置

一、卷积操作：

假设cnn中某一层：

        输入特征图：H*H，

        卷积核：k*k，

        步长stride：s，

         padding：p

那么经过这层卷积之后特征图大小：（H-k+2*p）/  s + 1

 

二、Transposed convolution（逆卷积）

逆卷积先根据输入H，k，s，p 得到相应的H'，k'，s'，p'，然后执行和卷积一样的变化。例如：

逆卷积输入：                                      变化后：

     特征图：H*H                              特征图：H’ * H'       (H' = H + (s-1)*(H-1)，对应差值操作，在相邻行、列之间插入（s-1）零) 

     卷积核：k*k                               卷积核：k' * k'         (k' = k，卷积核大小不变)

    &n