class torch.nn.ConvTranspose2d函数

逆卷积？转置卷积？随便了

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

• in_channels(int) – 输入信号的通道数
• out_channels(int) – 卷积产生的通道数
• kerner_size(int or tuple) - 卷积核的大小
• stride(int or tuple,optional) - 卷积步长
• padding(int or tuple, optional) - 输入的每一条边补充0的层数
• output_padding(int or tuple, optional) - 输出的每一条边补充0的层数
• dilation(int or tuple, optional) – 卷积核元素之间的间距
• groups(int, optional) – 从输入通道到输出通道的阻塞连接数
• bias(bool, optional) - 如果bias=True，添加偏置

• shape: 
  输入: (N,C_in,H_in，W_in) 
  输出: (N,C_out,H_out,W_out) 
  $$H_{out}=(H_{in}-1)stride[0]-2padding[0]+kernel_size[0]+output_padding[0]$$

  $$W_{out}=(W_{in}-1)stride[1]-2padding[1]+kernel_size[1]+output_padding[1]$$

• 对原图进行上采样，公式翻译如下：

• 输出图像长或宽=（输入图像长或宽-1）*stride-2*padding+kernel_size+out_padding

• 

•               图片来自https://blog.csdn.net/qq_27261889/article/details/86304061

• 上图输出图像的长=（3-1）*1-2*0+4+0（out_padding默认为0） = 6

• 框=7同理也可以用那个公式求出来

• 原理记住老是忘，所以趁着理解了公式怎么算赶紧把它记下来，下次忘了直接看一眼怎么算的就好了