转置卷积(Transposed Convolution)可视化过程

1. 介绍

  转置卷积（Transposed Convolution）经常也被称作反卷积，所谓反卷积即为通过标准卷积层生成的输出被反卷积，将得到原始输入。而转置卷积不按值反转标准卷积，而仅按维度。

转置卷积层和标准卷积层的计算原理完全相同，不同的是输入特征图不同。下面分别介绍标准卷积和转置卷积。转置卷积怎么来的请参考：https://blog.csdn.net/tsyccnh/article/details/87357447，这篇博客只介绍转置卷积的具体实现。

2. 标准卷积

  输入特征图大小为 $i\times i$ 的标准卷积层由以下两个参数定义：

• Padding (p)：对特征图周围进行填充，扩大到 $(i+2\ast p)\times (i+2\ast p)$；
• Stride (s)：卷积核在特征图上移动的步长。

下图展示了一个卷积层是如何分两步进行的：

在第一步中，输入特征图用零填充，而在第二步中，卷积核通过前面定义的步长在特征图上进行滑动，并于滑动窗口求点积。卷积层有 “Same” 和 “Vaild” 卷积，前者输出的空间维度等于输入的空间维度，后者输出的空间维度小于输入的空间维度，在搭建模型中，一般使用 “Same” 卷积。下面的动画演示了不同 Stride 和Padding 的卷积层。