搞明白了卷积网络中所谓deconv到底是个什么东西后,不写下来怕又忘记,根据参考资料,加上我自己的理解,记录在这篇博客里。
先来规范表达
- 为了方便理解,本文出现的举例情况都是2D矩阵卷积,卷积输入和核形状都为正方形,x和y轴方向的padding相同,stride也相同。
- 记号:
i,o,k,p,s i , o , k , p , s 分别表示:卷积/反卷积的输入大小 input size i n p u t s i z e ,卷积/反卷积输出大小 output size o u t p u t s i z e ,卷积/反卷积核大小 kernel size k e r n e l s i z e , padding p a d d i n g , stride s t r i d e 。 - 举例(如下左图):
输入 X∈R(4,4) X ∈ R ( 4 , 4 ) 矩阵,卷积核 w∈R(3,3),padding=