卷积和转置卷积

卷积

首先我们知道，卷积是一种提取特征的过程，通过卷积核操作，就是**输入和卷积核“逐”元素相乘求和的过**程，在图像中
的理解就是，某一处特征的边缘特征也是一样的，那么就可以通过卷积提取，简化中间的计算操作：
输入 * 卷积核 = 输出
在程序中的计算不是我们肉眼可见的通过卷积核的滑动窗口来计算，而是将输入拉成一维向量，卷积核通过操作化为
矩阵，过程简便为矩阵计算，例如   输入I（4*4） 卷积核U（3*3） 输出O（2*2）
**输入拉成16*1的向量，卷积核通过在输入中的计算位置，通过补0，化为4*16的矩阵
U * I = O**

转置卷积

上面知道了直接卷积的计算过程， 从大到小的过程，转置卷积就是利用上面的输出O得到输入I的过程，这里一定会想到转置卷积就是直接卷积的逆过程 ？
回答是错误的，直接卷积和转置卷积并不是可逆的过程，我们通过上面的计算就可以验证

转置卷积计算理解

直观的转置卷积计算过程
输入和输出的尺寸是知道的，那么卷积核大小也确定了，通过补0的方式，进行计算过程
注意： 1. 补0的大小 2.卷积核要翻转180度，因为我们是从可视化角度看的，a是放在左上角第一个，但是计算是右下角

转置卷积计算其实也可以理解为直接卷积，补0就是扩充大小（扩充到 输出-1 +卷积核尺寸大小），然后进行卷积计算，
在代码中，补0和翻转通过conv_2d.transpose实现