A Comprehensive Introduction to Different Types of Convolutions in Deep Learning

Towards intuitive understanding of convolutions through visualizations

如果您在深度学习中听说过不同类型的卷积（例如2D / 3D / 1x1 /转置/扩张（Atrous）/空间可分离/可深度分离/平展/分组/混洗分组卷积），并且混淆了它们实际意味着什么 ，这篇文章是为了解你的实际工作而编写的。

在本文中，我总结了深度学习中常用的几种类型的卷积，并尝试以每个人都可以访问的方式解释它们。 除了这篇文章之外，还有其他几篇关于这个主题的好文章。 请检查出来（在参考文献中列出）。

希望这篇文章可以帮助您建立直觉，并为您的学习/研究提供有用的参考。 请随时留下意见和建议。

The content of this article includes:

• 卷积v.s.互相关

• 深度学习中的卷积（单通道版本，多通道版本）

• 3D卷积

• 1 x 1 卷积

• 卷积算术

• 转置卷积（反卷积，棋盘格工件）

• 扩张卷积（Atrous Convolution）

• 可分离卷积（空间可分离卷积ÿ