【pytorch】反卷积中输出尺寸计算公式

pytorch框架下的反卷积：

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

参数含义：

• in_channels(int) – 输入信号的通道数
• out_channels(int) – 卷积产生的通道数
• kerner_size(int or tuple) - 卷积核的大小
• stride(int or tuple,optional) - 卷积步长，即要将输入扩大的倍数。
• padding(int or tuple, optional) - 输入的每一条边补充0的层数，高宽都增加2*padding
• output_padding(int or tuple, optional) - 输出边补充0的层数，高宽都增加padding
• groups(int, optional) – 从输入通道到输出通道的阻塞连接数
• bias(bool, optional) - 如果bias=True，添加偏置
• dilation(int or tuple, optional) – 卷积核元素之间的间距

根据参数计算输出：

output = (input - 1)*stride + output_padding – 2*padding + kernel_size

该公式中没出现的参数均采用默认参数，比如没出现dilation,说明该公式是dilation=1时候的参数

参考：
https://zhuanlan.zhihu.com/p/39240159

https://blog.csdn.net/weixinhum/article/details/85297048==96*96动漫人脸

https://blog.csdn.net/sdu_hao/article/details/97958008

https://blog.csdn.net/Ikerlz/article/details/106908009

https://blog.csdn.net/qq_39777550/article/details/108965144