卷积、可分离卷积、转置卷积（反卷积）

卷积

卷积层的结构参数

卷积核大小（Kernel Size）：定义卷积操作的感受野。

步幅（Stride）： 定义卷积核遍历图像时的步幅大小。其默认值通常设置为1。设置大于1的值后对图像进行下采样，这种方式类似池化操作。

边界扩充（Padding）： 定义了网络层处理样本边界的方式。当卷积核大于1且不进行边界扩充，输出尺寸将相应缩小；当卷积核以标准方式进行边界扩充，则输出数据的空间尺寸将与输入相等。

输入与输出通道（Channels）： 构建卷积层时需定义输入通道I ，并由此确定输出通道O 。这样，可算出每个网络层的参数量I × O × K ，其中K 为卷积核的参数个数。例如，某个网络层有64个大小为3 × 3 的卷积核，则对应K 值为3 × 3 = 9 。

卷积实际上是 加权叠加，输出的维度小于输入的维度。如果需要输出的维度和输入的维度相等，就需要填充（padding）。

卷积的计算公式：
M = ( S + 2 ∗ P − K ) / S + 1 M = (S+2*P-K)/S + 1