pytorch版 ConvTranspose2d参数及实现过程的个人理解

最新推荐文章于 2025-06-20 17:16:58 发布

问剑无声

最新推荐文章于 2025-06-20 17:16:58 发布

阅读量2.5k

点赞数 1

CC 4.0 BY-SA版权

文章标签： pytorch 深度学习 python cnn

本文链接：https://blog.youkuaiyun.com/wjwask/article/details/128014848

首先看官方文档（ConvTranspose2d — PyTorch 1.13 documentation）给出的调用参数

torch.nn.ConvTranspose2d(in_channels, out_channels, kernel_size, stride=1, 
padding=0, output_padding=0, groups=1, bias=True, dilation=1, 
padding_mode='zeros', device=None, dtype=None)

就几个关键参数说一下我个人理解

stride：这个操作中的步长，实际上并不作为卷积核的步长，而是一个与输入tensor中各个元素之间填充元素数量有关的参数
padding：实际上input_tensor的padding并不是这个输入参数padding，实际的padding_文档给出了公式：padding_ = dilation * (kernel - 1) - padding
output_padding：在进行卷积操作结束后对输出tensor进行再次padding，本次padding默认对最右侧以及最下方进行填充。
dilation：文档中描述的是控制卷积核元素之间的间距，默认值1。当dilation=1时，间距为0

实现过程

下面说说我个人理解的实现过程，假设输入tensor大小3*3，卷积核大小为2*2，stride=2，padding=1，output_padding=0，dilation=2

一、首先定义几个