pytorch框架下的反卷积:
nn.ConvTranspose2d( in_channels,
out_channels,
kernel_size,
stride=1,
padding=0,
output_padding=0,
groups=1,
bias=True,
dilation=1
)
参数含义:
- in_channels(int) – 输入信号的通道数
- out_channels(int) – 卷积产生的通道数
- kerner_size(int or tuple) - 卷积核的大小
- stride(int or tuple,optional) - 卷积步长,即要将输入扩大的倍数。
- padding(int or tuple, optional) - 输入的每一条边补充0的层数,高宽都增加2*padding
- output_padding(int or tuple, optional) - 输出边补充0的层数,高宽都增加padding
- groups(int, optional) – 从输入通道到输出通道的阻塞连接数
- bias(bool, optional) - 如果bias=True,添加偏置
- dilation(int or tuple, optional) – 卷积核元素之间的间距
根据参数计算输出:
output = (input - 1)*stride + output_padding – 2*padding + kernel_size
该公式中没出现的参数均采用默认参数,比如没出现dilation,说明该公式是dilation=1时候的参数
参考:
https://zhuanlan.zhihu.com/p/39240159
https://blog.csdn.net/weixinhum/article/details/85297048==96*96动漫人脸
https://blog.csdn.net/sdu_hao/article/details/97958008