注：该文章为视频课的笔记补充

视频课：转置卷积（transposed convolution）_哔哩哔哩_bilibili

更详细的推导在：抽丝剥茧，带你理解转置卷积（反卷积）_逆卷积-CSDN博客

a

a

a

补充1：对 Pytorch 中的函数 ConvTranspose2d() 中参数 padding 和 out_padding 的理解

参数padding：是进行转置卷积之前对原始 feature_map 的填充（是在转置卷积进行之前起作用的，作用在输入端）

参数out_padding：是在转置卷积进行完成后，对新得到的 feature_map 进行的扩容（是在转置卷积完成之后才进行的，作用在输出端）

是文章的延伸：转置卷积（Transposed Convolution）_太阳花的小绿豆的博客-CSDN博客

a

a

a

补充2：TensorFlow 中输入转置卷积层的卷积核应该是什么样的

这里使用的深度学习框架是TensorFlow，一定要注意他的转置卷积层的输入卷积核是什么，输入这个转置卷积层对应的转置卷积函数 tf.nn.conv2d_transpose() 的卷积核为：这个转置卷积对应的正向卷积过程所使用的卷积核！！！

这个转置卷积函数会在计算过程中自动将这个输入的卷积核反转，然后再进行正常的卷积操作！！！

是文章的延伸：抽丝剥茧，带你理解转置卷积（反卷积）_逆卷积-CSDN博客

a

a

a

补充3：Pytorch 中输入转置卷积层的卷积核应该是什么样的

注：和框架TensorFlow一样，输入的都是转置卷积对应的正向卷积的卷积核（即并没有进行反转的卷积核）

是文章的延伸：转置卷积（Transposed Convolution）_太阳花的小绿豆的博客-CSDN博客