定义

卷积不会增大输入的高宽，通常卷积层后高宽不变或减半。转置卷积则可以用来增大输入的宽高。

转置卷积是一种卷积，它将输入和核进行了重新排列，通常用作上采用。

如果卷积将输入从变为，同样超参数的情况下，转置卷积将变为

 input中的每个元素分别乘以卷积核中的所有元素，最后所有中间结果相加以获得最终结果。

举个例子

当转置卷积的填充为0时，将转置卷积的输入填充k-1(k为kernel_size)，将转置卷积的核矩阵上下左右翻转，然后做正常卷积可以得到和填充翻转前的转置卷积的相同结果。 

当转置卷积的填充为p时， 将转置卷积的输入填充k-p-1，将转置卷积核上下、左右翻转然后做正常卷积，得到相同结果。

正常卷积中，步幅使高宽成倍减少。转置卷积中，步幅使高宽成倍增加。

当填充为p步幅为s时，在行和列之间插入s-1行，然后将输入填充k-p-1，将转置卷积核矩阵上下左右翻转然后做正常卷积，得到转置卷积相同结果。 

形状换算

输入高宽为n，核大小为k，填充p，步幅s。

转置卷积：。卷积：

如果转置卷积想让高宽成倍增加，，同理，卷积想让高宽成倍减少，

总结

转置卷积神经网络也是一个卷积神经网络，只是对输入和核做了特殊变换，实现上采样目的。