卷积和反卷积的计算公式

今天，小编来总结下卷积和反卷积的计算公式，希望帮到大家。

卷积

✅经过卷积操作后，输出结果为：

✅若想让输入与输出大小一样，则步长必须为1，并且填充要满足：

因此，卷积核通常为奇数，比较常用的组合有：kenrel_size=1, padding=1, stride=1和kernel_size=5, padding=2, stride=1。

✅若想让输出为输入的一半，则步长必须为2且：

常用组合为:stride=2, kernel=3, padding=1。注意如果出现除不尽的情况，则一律向下取整。
✅对于pooling，计算和conv一样。不过pooling没有padding，因此:

反卷积

✅转置卷积的计算公式为:

转置卷积中的padding作用于卷积正好相反，是将最外层的去掉一圈，所以带有padding的反卷积输出为:

✅如果要像conv那样在外围加0的话，pytorch中可以使用output_padding参数。实现2倍上采样，需要: stride=2, kernel_size=2*padding+2。常用组合为:stride=2, kernel=2, padding=0、stride=2, kernel_size=4, padding=1, 这样能实现2倍上采样:

卷积中的dilation

dilation又称为 atrous convolutions，即在卷积核的相邻元素之间增加spacing。dilation_rate由参数d控制，通常添加d-1个空格进入kernel中。d=1时表示普通的卷积操作。
dilated conv可以在不增加卷积核大小的情况下增大感受野，同时不增加额外开销，在多个扩张卷积逐次堆叠的情况下尤其有效。dilated conv有效卷积核大小为:

因此dilated conv的输出大小为:

举例如下：

注：原文链接：https://blog.csdn.net/u012897374/article/details/114381786

最后：

如果你想要进一步了解更多的相关知识，可以关注下面公众号联系~会不定期发布相关设计内容包括但不限于如下内容:信号处理、通信仿真、算法设计、matlab appdesigner，gui设计、simulink仿真......希望能帮到你！