标签：padding --- tuple 卷积 ---- int optional ConvTranspose2d

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

标签：padding,---,tuple,卷积,----,int,optional,ConvTranspose2d
来源： https://blog.csdn.net/qq_28057379/article/details/118852367

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。