學gan，逆卷積過程中大小變化到底是怎麼變的？和步長有關係嗎？
先看卷積時的情況
padding = 「valid」輸入和輸出大小關係如下：
輸出大小等於輸入大小減去濾波器（卷積核）大小加上1，最後再除以步長（f為濾波器的大小，s是步長大小）
padding = 「same」輸入和輸出大小關係如下：
即輸出大小等於輸入大小除以步長向上取整，s是步長大小；
== 那逆卷積就是這個過程的逆 ==
下面來舉個栗子
對於輸入大小為7x7，輸入通道數為256的，我們要求輸出大小仍然為7x7，進行如下逆卷積操作：
則逆卷積輸出大小w*w為:
⌈w/1⌉=7，則w=7
那麼strides=(2,2)呢？
⌈w/2⌉=7，則w『=14（輸出大小翻倍，變成14x14）
（輸出的通道數是由自己任意指定的）
那網上還有流傳這樣的公式
conv2dtranspose輸出計算
輸入矩陣為：nxn
卷積核大小，kernel_size：fxf
步長strides：s
邊界擴充padding的值：p
則，輸出大小w：
w =(
n−1)
∗s−2
p+fw=(n−1)∗s−2p+f
w=(n−1
)∗s−
2p+f
為什麼不用這個計算逆卷積之後的大小呢？
這個公式也是對的，這個需要知道padding 0的個數。一般我們利用向上求整公式計算最後影象大小，然後利用上述這個公式計算padding 0 的個數
參考：
keras 一維序列 conv1d卷積的使用
keras中conv1d從 匯入？from keras.layers import conv1d的輸入維度是怎樣的？一般來說，輸入資料如果是7500x128列的二維表形式的話，需要加入乙個空間維度，如下 x np.expand dims x,axis 2 表示是是增加的維度是在第三個維度上 resh...
imfilter和conv2的關係
首先定義兩個矩陣 a 1 2 3 5 4 7 9 5 1 4 6 7 5 4 3 7 8 7 5 1 a矩陣取5 4 b 1 5 4 3 6 8 1 5 7 b矩陣如多數模板一樣取3 3 然後定義乙個高斯模板 gaussian fspecial gaussian 3,1.8 gaussian 0.0...
Matlab函式 conv2的用法
matlab函式conv2的用法 c conv2 a,b c conv2 hcol,hrow,a c conv2 shape 說明 對於 c conv2 a,b conv2 的算矩陣 a 和 b 的卷積，若 ma,na size a mb,nb size b 則 size c ma mb 1,na ...