1.思考卷积过程

因为例如在valid模式下

7×7的输入尺寸+步长为2+卷积核3×3 = 3×3输出尺寸。
8×8的输入尺寸+步长为2+卷积核3×3 = 3×3输出尺寸。
因为使用了地板除(floor)这个原则实现

2.反卷积过程

3×3 的输入进行步长为2的反卷积，7×7的输出与8×8的输出都将会是合法的。

output_padding参数作用

接下来我们再给出反卷积尺寸变化计算公式，根据公式计算参数值

由于卷积核滑动过程中，边界情况的不确定，使得在运算步长大于1的反卷积时会出现多种合法输出尺寸，pytorch的反卷积层提供了output_padding供使用者选择输出，一般情况下我们希望输入输出尺寸以步长为比例，因此output_padding一般取stride-1，同时padding取 (kernel_size - 1)/2 。

链接：https://blog.csdn.net/qq_41368247/article/details/86626446

pytorch中的反卷积的output_padding参数相关推荐

tensorflow一维卷积输入_深度学习中的反卷积(Transposed Convolution)
反卷积(Transposed Convolution)是一种图像上采样(UpSample)的方法,在DCGAN中用它来将随机采样的值转换为一张完整的图像. DCGAN生成手写数字.图片来源[5] Tr ...
Pytorch中torch.nn.Softmax的dim参数含义
自己搞了一晚上终于搞明白了,下文说的很透彻,做个记录,方便以后翻阅 Pytorch中torch.nn.Softmax的dim参数含义
PyTorch 中的傅里叶卷积
欢迎关注 "小白玩转Python",发现更多 "有趣" 注意: 在这个 Github repo 中提供了1D.2D 和3D Fourier 卷积的完整方法.我还 ...
pytorch中的膨胀卷积
一.膨胀卷积 Dilated Convolutions,翻译为扩张卷积或空洞卷积.扩张卷积与普通的卷积相比,除了卷积核的大小以外,还有一个扩张率(dilation rate)参数,主要用来表示扩张的大 ...
生成式对抗网络GAN中的反卷积
卷积层.反卷积层的理解(生成式对抗网络) 文章来源:感谢~Transposed Convolution, Fractionally Strided Convolution or Deconvoluti ...
[Pytorch系列-41]：卷积神经网络 - 模型参数的恢复/加载 - 搭建LeNet-5网络与MNIST数据集手写数字识别
作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客本文网址:https://blog.csdn.net/HiWangWenBing/article/detai ...
Pytorch中backward(retain_graph=True)的 retain_graph参数解释
每次 backward() 时,默认会把整个计算图free掉.一般情况下是每次迭代,只需一次 forward() 和一次 backward() ,前向运算forward() 和反向传播backward ...
pytorch中nn.Conv2d卷积的padding的取值问题
明确卷积的计算公式:d = (d - kennel_size + 2 * padding) / stride + 1 保证输入输出的分辨率大小一致,padding的取值:如果kernal_size = ...
反卷积通俗详细解析与nn.ConvTranspose2d重要参数解释
文章目录反卷积的作用卷积中padding的几个概念 No Padding Half(Same) Padding Full Padding 反卷积反卷积中的Padding参数反卷积的stride ...
反卷积原理 + pytorch反卷积层参数output_padding
一般我们会认为2维卷积的计算分为了以下3类: 1.full 2.same 3. valid 参考:https://cn.mathworks.com/help/matlab/ref/conv2. ...

pytorch中的反卷积的output_padding参数

1.思考卷积过程

2.反卷积过程

output_padding参数作用

pytorch中的反卷积的output_padding参数相关推荐

最新文章

热门文章