nn.Conv2d与nn.ConvTranspose2d参数理解

nn.Conv2d与nn.ConvTranspose2d参数理解

前言

其实两者在形状上是逆运算，即：大小为$I$的图像，经过以$k$卷积核大小，$s$步长，$p$填充大小的Conv2d卷积，变为大小$O$的输出；那么，大小为$O$的图像，经过以$k$卷积核大小，$s$步长，$p$填充大小的ConvTranspose2d的逆卷积之后，则会变为大小$I$的输出。

# data.shape: batch * c * w * h
cov = torch.nn.Conv2d(c, y, k, s, p)
cov_trans = torch.nn.ConvTranspose2d(y, c, k, s, p)
data1 = cov(data) # data1.shape: batch * y * w1 * h1
data2 = cov_trans(data1) # data2.shape: batch * y * w * h
# 可以看到最后又变成了原来的大小。

1. torch.nn.Conv2d()

torch.nn.Conv2d(    in_channels,  #输入数据的通道数（如彩色图片，一般为3）
					out_channels, #输出数据的通道数（就是我想让输出多少通道，就设置为多少）
					kernel_size,  #卷积核的尺寸（如（3，2），3与（3,3）等同）
					stride = 1,   #卷积步长，就是卷积操作时每次移动的格子数
					padding = 0,  #原图周围需要填充的格子行（列）数，无填充的话卷积到边缘会直接忽略该边缘
					dilation = 1, #空洞卷积的空洞指数，一般默认为1即可
					groups = 1,   #分组卷积的组数，一般默认设置为1，不用管
					bias = True,  #卷积偏置，一般设置为False，True的话可以增加模型的泛化能力
					padding_mode = 'zeros'  #设置边缘填充值为0，或别的数，一般都默认设置为0
				)

1.1 输入和输出

• 输入图像尺寸：$I$
• 输出图像尺寸：$O$
• 卷积核大小(kernel_size)：$k$
• 步长(stride)：$s$
• 填充(padding)：$p$

1.2 计算公式

• $O=(I-k+2p)/s+1$

2. torch.nn.ConvTranspose2d()

torch.nn.ConvTranspose2d(in_channels, 
                         out_channels, 
                         kernel_size, 
                         stride=1, 
                         padding=0, 
                         output_padding=0, 
                         groups=1, 
                         bias=True, 
                         dilation=1, 
                         padding_mode='zeros') # by default

2.1 输入和输出

• 输入图像尺寸：$I$
• 输出图像尺寸：$O$
• 卷积核大小(kernel_size)：$k$
• 步长(stride)：$s$
• 填充(padding)：$p$

2.2 计算公式

• $O=(I-1)s+k-2p$ ，刚好是1.2的相反，逆运算。也就是将1.2中的$I$移到左边，变为$O$即可。