1、函数:
torch.nn.ConvTranspose2d(in_channels,
out_channels,
kernel_size,
stride=1,
padding=0,
output_padding=0,
groups=1,
bias=True,
dilation=1)
2、参数含义:
in_channels(int) ---输入信号的通道数
out_channels(int) ----卷积产生的通道数
kernel_size(int or tuple) ---卷积核的大小
stride(int or tuple,optional) ---卷积步长,即要将输入扩大的倍数
padding(int or tuple,optional) ---输入的每一条边补充0的层数,高宽都增加2*padding
output_padding(int or tuple,optional) ---输出边补充ing0de层数,高宽都增加2*padding
groups(int ,optional) ---从输入通道到输出通道的阻塞连接数
bias(bool, optional) ---若bias=True,添加偏置
dilation(int or tuple,optional)---卷积核元素之间的间距
3、输入图像与输出图像大小尺寸计算公式:
output=(input-1)*stride+output_padding-2*padding+kernel_size
4、示例:查看李沐大佬的视频,对照推导一下公式,可以帮助理解;
https://www.bilibili.com/video/BV1af4y1L7Zu?p=2
帮助理解FCN中反卷积