pytorch中反卷積的函數為：

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

參數的含義如下：

• in_channels(int) – 輸入信號的通道數
• out_channels(int) – 卷積產生的通道數
• kerner_size(int or tuple) -卷積核的大小
• stride(int or tuple,optional) - 卷積步長，即要將輸入擴大的倍數。
• padding(int or tuple, optional) - 輸入的每一條邊補充0的層數，高寬都增加2*padding
• output_padding(int or tuple, optional) - 輸出邊補充0的層數，高寬都增加padding
• groups(int, optional) – 從輸入通道到輸出通道的阻塞連接數
• bias(bool, optional) - 如果bias=True，添加偏置
• dilation(int or tuple, optional) – 卷積核元素之間的間距

對于每一條邊輸入輸出的尺寸的公式如下：

$$output=(input?1)?stride+outputpadding?2?padding+kernelsize$$

以上公式參考自：pytorch中ConvTranspose2d的計算公式

我會抽空寫一下公式是如何推導以及轉置卷積的含義，

總結

以上是生活随笔為你收集整理的转置卷积/反卷积的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。