pytorch 反卷积 可视化_PyTorch中反卷积的用法

pytorch中的 2D 卷积层 和 2D 反卷积层 函数分别如下：

class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, groups=1, bias=True)

class torch.nn.ConvTranspose2d(in_channels, out_channels, kernel_size, stride=1, padding=0, output_padding=0, bias=True)

我不禁有疑问：

问题1： 两个函数的参数为什么几乎一致呢？

问题2： 反卷积层中的 output_padding是什么意思呢？

问题3： 反卷积层如何计算input和output的形状关系呢？

看了中文文档后，我得不出答案，看了英文文档，才弄明白了。花费了一个下午的时间去研究这个问题，值得用此文纪录一下。

我们知道，在卷积层中，输入输出的形状关系为：

o = [ (i + 2p - k)/s ] +1 (1)

其中：

O : 为 output size

i: 为 input size

p: 为 padding size

k: 为kernel size

s: 为 stride size

[] 为下取整运算

(1) 当 S=1 时

若 s等于1，则公式(1)中的取整符号消失，o 与 i 为 一一对应 的关系。 我们有结论࿱