卷积与反卷积输出计算

1、标准的卷积（Conv2d）输出计算：

通俗一点：

举例：

1. 卷积示例

• 输入：5×5

• 卷积核：3×3

• 步长 stride = 2

• 填充 padding = 1

• dilation = 1

输出尺寸：3×3。

二、转置卷积（反卷积）（ConvTranspose2d）输出尺寸计算

PyTorch 官方：

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

通俗一点：

举例：

2. 转置卷积示例

• 输入：3×3

• 卷积核：3×3

• 步长 stride = 2

• 填充 padding = 1

• output_padding = 0

• dilation = 1

计算：

输出尺寸：5×5。

若 output_padding = 1，则：

输出尺寸：6×6。

总结：

卷积的api：

nn.Conv2d(1, 1, kernel_size=3, stride=2, padding=1)

nn.Conv2d（in_channel,out_channel,kernel_size=3, stride=2, padding=1）

输入通道数（in_channels）= 1。意味着输入图像是单通道，比如灰度图。

输出通道数（out_channels）= 1。意味着卷积后输出的特征图也是单通道。

反卷积的参数：

torch.nn.ConvTranspose2d(
    in_channels,        # 输入通道数
    out_channels,       # 输出通道数
    kernel_size,        # 卷积核尺寸
    stride=1,           # 步长
    padding=0,          # 填充
    output_padding=0,   # 输出填充（转置卷积特有）
    dilation=1,         # 膨胀率
    groups=1,           # 分组卷积
    bias=True,          # 是否添加偏置
    padding_mode='zeros' # 填充方式
)

output_padding是什么意思？

output_padding 是可选参数，用于精确控制输出尺寸，通常取 0 或 1。

dilation（膨胀指数）是啥意思？

在卷积中，膨胀（dilation） 是指卷积核元素之间的间隔。标准卷积的膨胀率 dilation=1，表示卷积核元素是连续相邻的。当 dilation > 1 时，卷积核的元素会按一定间距分布，从而在不增加参数量的情况下扩大感受野。

dilation=1 的 3x3 核索引（相对位置）：
(-1,-1) (-1,0) (-1,1)
(0,-1)  (0,0)  (0,1)
(1,-1)  (1,0)  (1,1)

dilation=2 的 3x3 核索引（相对位置）：
(-2,-2) (-2,0) (-2,2)
(0,-2)  (0,0)  (0,2)
(2,-2)  (2,0)  (2,2)

些坐标是卷积核内每个权重相对于核中心（0,0）的偏移量，偏移量是多少，dilation就是多少？

有效卷积核计算公式：

kernel_size=3, dilation=2 时，有效卷积核大小为 2×(3−1)+1=5，相当于一个 5×5 的卷积核但只有 9 个非零权重（间隔分布）。

# 普通卷积
nn.Conv2d(1, 1, kernel_size=3, dilation=1)
# 膨胀卷积
nn.Conv2d(1, 1, kernel_size=3, dilation=2)

前者感受野 3×3，后者感受野 5×5，参数量相同（都是 9 个权重）。

y = torch.randn(1, 1, 3, 3) 创建了一个四维张量，作为卷积（或转置卷积）的输入时，其形状的含义是：

• 第 1 维（1）：批量大小（batch size），表示一次处理 1 个样本。

• 第 2 维（1）：通道数（channels），表示每个样本有 1 个通道（例如灰度图）。

• 第 3 维（3）：高度（height），表示特征图的高度为 3。

• 第 4 维（3）：宽度（width），表示特征图的宽度为 3。