Keras学习笔记5-Conv2DTranspose与Conv2D输出大小

Conv2D输出计算

对于Conv2D（此处不再考虑卷积核数，即参数filters，因为设为多少，输出就是多少），

输入图片矩阵为：WxW
卷积核大小，kernel_size：FxF
步长strides：S
边界扩充padding的值：P

则，输出大小N：

                       N=(W−F+2P)/S+1 

Conv2DTranspose输出计算

如上，逆运算可得

输入图片矩阵为：NxN
卷积核大小，kernel_size：FxF
步长strides：S
边界扩充padding的值：P

则，输出大小W：

                      W=(N−1)∗S−2P+F

例如，原大小为 X ，FCN5层池化后为 X/32 ，可以使用下式恢复原来大小：(X/32−1)∗32+32 ，即设卷积核大小和步长为32，padding为0 。