ConvTranspose2d的理解和计算

DeConv是Convolution的逆过程，但是和在Pytorch中却和Conv共享相同的参数，所以较难计算和理解。本文分析ConvTranspose2d的计算过程。

过程

deconvolution反卷积在pytorch中的代码为ConvTranspose2d，是将图像从模糊转变成清晰的过程。

进行2D卷积/反卷积时：

same inputs$i_1=i _2=i=4$
same kernel size$k_1=k_2=k=3$
same strides$s_1=s_2=s=1$
same zero padding$p_1=p_2=p=0$
same outputs$o_1=o_2=o$

但是由右侧的反卷积可以看到实际的zero padding为2，这个zero padding是如何计算的？

计算

对于convolution，其output map和input map有如下关系 $o=[\frac{i+2p-k}{s}]+1$

上式子可化为

$i=so-s+k-2p=\frac{[o+(s-1)(o-1)]+[(k-1)+(k-2p-1)]-k}{1}+1$

令$i’=o+(s-1)(o-1), p’=\frac{(k-1)+(k-2p-1)}{2}=k-p-1, k’=k, s’=1, o’=\frac{i’+2p’-k’}{s’}+1$

一般取kernel_size k=2, strides s=2, padding p=0, 此时deconvolustion的作用是将矩阵的一边变为原来的两倍；当i为偶数时（即deconvolution的输出为偶数），也可取k=3，s=2，p=1（same padding），实现放大为原来的两倍的作用。
参考文章