pytorch轉置卷積(反卷積)參數說明，尺寸輸入輸出的計算

函數構造：

class ConvTranspose2d(_ConvTransposeMixin, _ConvNd):

    def __init__(self, in_channels, out_channels, kernel_size, stride=1,
                 padding=0, output_padding=0, groups=1, bias=True,
                 dilation=1, padding_mode='zeros'):

• 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
• padding(int or tuple, optional) - 輸入的每一條邊補充0的層數
• output_padding(int or tuple, optional) - 輸出的每一條邊補充0的層數
• dilation(int or tuple, optional) – 卷積核元素之間的間距
• 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

 

輸入輸出計算過程：

h_in = 128*128

h_out = 56*56

這里h_in指正向卷積輸入

正向卷積：h_out = (h_in + 2*padding - kernl_size) / stride  +1

+1是因為除不盡向下取整

故轉置卷積：h_in = (h_out - 1) * stride + kernl_size - 2*padding + output_padding

output_padding，是因為輸出與期望輸出有偏差，需在下邊補0填充