nn.Conv2d和nn.ConvTranspose2d参数说明及区别**

nn.Conv2d和nn.ConvTranspose2d参数说明及区别

1、nn.Conv2d(in_channels，out_channels，kernel_size，stride=1，padding=0，dilation=1，groups=1，bias=True)

in_channels：输入维度
out_channels：输出维度
kernel_size：卷积核大小
stride：步长大小
padding：补0
dilation：kernel间距
groups(int, optional) ： 从输入通道到输出通道的阻塞连接数

nn.Conv2d的功能是：对由多个输入平面组成的输入信号进行二维卷积。

经过卷积后的图像尺寸计算公式：N = (W − F + 2P )/S+1

w为原始图像大小、F为卷积核尺寸、P为padding大小、S是步长

2、nn.ConvTranspose2d的功能是进行反卷积操作

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

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

输出尺寸计算：
output = (input-1)stride+outputpadding -2padding+kernelsize

3、反卷积 上采样 上池化的理解与区别
转自：https://blog.csdn.net/e01528/article/details/84667302