cvx怎么处理向量和向量共轭转置的乘积_一文让你看懂转置卷积（反卷积，分数卷积），非常详细的图解描述...

作者：Naoki Shibuya

编译：ronghuaiyang

导读

如果你听说过转置卷积并对它的实际含义感到困惑，这篇文章就是为你写的。

上采样的需求

当我们使用神经网络来生成图像的时候，通常需要从低分辨率的图像上采样成高分辨率的图像。

有很多的方法来实现上采样的操作：

• 最近邻插值
• 双线性插值
• 双三次插值

这些方法都涉及插值，需要在确定网络结构时进行选择。它就像一个手工的特征工程，网络对此一无所知。

为什么用转置卷积？

如果我们想要我们的网络学习到如何最优化的进行上采样，我们可以使用转置卷积。它没有使用预先定义好的插值方法，具有可学习的参数。

理解转置卷积的概念非常有用，因为在一些重要的论文和工程都都会用到，比如：

• 在DCGAN中，生成器使用随机采样的值来生成全尺寸的图像。
• 在语义分割中，在编码阶段使用卷积层来抽取特征，然后在解码阶段，恢复原始的图像尺寸，对原始图像的每一个像素进行分类。

转置卷积也称为：

• 分