【轩说AI】转置卷积

转置卷积 Transposed Convolution

在我学转置卷积的时候，csdn上很多人没有讲清楚，其实很简单，这篇文章让你五分钟明白什么是转置卷积。

转置卷积的直观计算

卷积不会增大输入的高和宽，通常要么不变，要么减半。而转置卷积则可以用来增大输入高宽。

转置卷积也是一种卷积

计算机可以用计算“卷积”的方式来计算“转置卷积”，假设s为步长，p为单侧padding长度，k为kernel边长

• 在行和列之间插入 s − 1行和列（内填充）
• 外填充 k − p − 1
• 将核矩阵上下、左右翻转
• 然后做正常卷积（填充 0、步幅 1）

大小关系

设转置卷积前的矩阵边长为n0，转置卷积后的为n1，则有：
$$n_1=(n_0-1)s+k-2p$$
如若将转置卷积后的矩阵n1经过转置变为n0，则有：
$$n_0=\lfloor (n_1+2p-k)/s\rfloor +1$$
可见由于卷积的性质，有“下取整”的存在，会导致多个n1对应到同一个n0，这也就说明，当我们做转置卷积时，由n0计算得到的n1是所有【经过卷积得到n0的n1中，最小的那个（也就是能整除的那个）】。所以当我们计算转置卷积时，需要加入out padding，来修正得到的n1以达到我们想要的输出大小。

在Pytorch中，修正后的公式为：
$$n_1=(n_0-1)s+k-2p+OutputPadding$$
这里的output-padding不乘2，是为了“细致修改”，如果乘2，那就每次加偶数个填充了，依然会有取不到的n1值