转置卷积（transposed Convolution）

可以起到上采样作用

 左图为传统卷积

右图为转置卷积：输入特征矩阵为2*2，但会在周围补上一些0元素

##转置卷积不是卷积的逆运算，只是把特征矩阵的大小还原为卷积之前的大小，但数值上是不一样的

##转置卷积也是卷积

2.

转置卷积运算步骤

## convtransposed2d参数 

outputpadding默认不使用

偏置默认使用

dilation默认为普通卷积

 

##普通卷积

之前我们所说的普通卷积的计算方式都是以滑动窗口的方式来进行计算的

但是实际计算过程中并不会以这种方式进行计算，因为太低效

##下面来看一种比较可以的计算方式（pytorch使用的比这种更高效）

首先将卷积核转化成一个个等效矩阵，对于每个等效矩阵与输入特征矩阵相应位置相乘再相加

接下来将输入特征矩阵进行展平

接下来将每个等效矩阵展平之后都转化成一个列向量，构建出矩阵c

 接下来用矩阵I与C相乘就能得到矩阵o（输出特征矩阵的展平后形式）

一般情况下卷积不可逆（即知道c和o不能求I），除非c为方阵（两边同乘以矩阵的逆）

 ##可以得到与输入特征矩阵相同大小的矩阵，等号两边右侧同时乘以c的转置就可以了

 这就是转置卷积的运算过程（p）

##展平后的p可由此得来

 p可由右下角的卷积操作得来，

而这个绿色的卷积核就是初始卷积核上下左右翻转得来的