PyTorch中反卷积的用法详解
5星 · 超过95%的资源 153 浏览量
2021-01-20
04:02:59
上传
评论
收藏 135KB PDF 举报 
PyTorch中反卷积的用法详解中反卷积的用法详解
pytorch中的中的 2D 卷积层卷积层 和和 2D 反卷积层反卷积层 函数分别如下：函数分别如下：
class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, groups=1, bias=True)
class torch.nn.ConvTranspose2d(in_channels, out_channels, kernel_size, stride=1, padding=0, output_padding=0, bias=True)
我不禁有疑问：我不禁有疑问：
问题1： 两个函数的参数为什么几乎一致呢？
问题2： 反卷积层中的 output_padding是什么意思呢？
问题3： 反卷积层如何计算input和output的形状关系呢？
看了中文文档后，我得不出答案，看了英文文档，才弄明白了。花费了一个下午的时间去研究这个问题，值得用此文纪录一
下。
我们知道，在卷积层中，输入输出的形状关系为：我们知道，在卷积层中，输入输出的形状关系为：
o = [ (i + 2p - k)/s ] +1 （1）
其中：
O : 为 output size
i: 为 input size
p: 为 padding size
k: 为kernel size
s: 为 stride size
[] 为下取整运算
(1) 当当 S=1 时时
若 s等于1，则公式（1）中的取整符号消失，o 与 i 为 一一对应 的关系。 我们有结论：
如果卷积层函数和反卷积层函数的 kernel_size, padding size参数相同（且 stride= 1），设反卷基层的输入输出形状为 i’ 和 o’,
卷积层的输入输出形状i和o, 则它们为 交叉对应 的关系，即：
i = o'
o = i'
为回答问题3, 我们将上述关系代入公式中，即：
i' = o' + 2p - k +1
已知 i’, 即可推出 o’:
o' = i' - 2p + k - 1 （2）
摘两个例子：
- 1
- 2
前往页