pytorch函数之：torch.nn.ConvTranspose2d 转置卷积

函数原型：

torch.nn.ConvTranspose2d(in_channels, out_channels, kernel_size, 
						  stride=1, padding=0, output_padding=0, 
						  groups=1, bias=True, dilation=1, padding_mode='zeros')

其中，各参数的含义如下：

• in_channels(int)：输入张量的通道数
• out_channels(int)：输出张量的通道数
• kernel_size(int or tuple)：卷积核大小
• stride(int or tuple,optional)：卷积步长，决定上采样的倍数
• padding(int or tuple, optional)：对输入图像进行padding，输入图像尺寸增加2*padding
• output_padding(int or tuple, optional)：对输出图像进行padding，输出图像尺寸增加padding
• groups：分组卷积（必须能够整除in_channels和out_channels）
• bias：是否加上偏置
• dilation：卷积核之间的采样距离（即空洞卷积）
• padding_mode(str)：padding的类型
• 另外，对于可以传入tuple的参数，tuple[0]是在height维度上，tuple[1]是在width维度上

转置卷积的输出如下（如果输入参数为tuple，则各自计算）：

output[0]=(input[0]−1)×stride[0]−2×padding[0]+dilation[0]×(kernel_size[0]−1)+output_padding[0]+1

output[1]=(input[1]−1)×stride[1]−2×padding[1]+dilation[1]×(kernel_size[1]−1)+output_padding[1]+1