卷积逆运算,pytorch线性回归

替换卷积PyTorch UpsampleConvTranspose2d

考虑到当前许多算法都使用upsample来扩展特征图，给出了一种使用反卷积来增加特征图大小的方法

upsampletorch.nn.up sample (scale _ factor=2)通过使用插值算法扩大特征地图的大小，实现了特征地图的两倍操作

conv transpose 2d torch.nn.conv transpose 2d (in Chanel，outchannel，kernel_size，stride，padding ) )。

总结一下使用方法：

1、inchannel和outchannel，还有kernel_size很容易理解

2、stride的作用是在输入的特征图相邻的两个数值之间增加stride-1个空白

3及填充影响卷积核的起始位置

下图显示了input_size=5x5和stride=1时填充=0、1和2的输出大小

下图显示了stride=2时特征图的放大操作，其馀操作与上图类似

乐意为理想“打破头血流”