转置卷积/反卷积

pytorch中反卷积的函数为：

class torch.nn.ConvTranspose2d(in_channels, out_channels, kernel_size, stride=1, padding=0, 
                         	   output_padding=0, groups=1, bias=True, dilation=1)

参数的含义如下：

• 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

对于每一条边输入输出的尺寸的公式如下：

$$output=(input-1)\ast stride+outputpadding-2\ast padding+kernelsize$$

以上公式参考自：pytorch中ConvTranspose2d的计算公式

我会抽空写一下公式是如何推导以及转置卷积的含义，