Deep learning 卷积层有一个精确的倒数吗
…如果是，在什么情况下 卷积层通常产生较小尺寸的输出。是否可以通过翻转/转置使用过的内核并提供填充或类似方式来反转/反转这样的操作 这里只看卷积层的操作——没有池层、串联、非线性激活函数等Deep learning 卷积层有一个精确的倒数吗,deep-learning,conv-neural-network,transpose,convolution,deconvolution,Deep Learning,Conv Neural Network,Transpose,Convolution,Deconvolution,…如果是，在什么情况下 卷积层通常产生较小尺寸的输出。是否可以通过翻转/转置使用过的内核并提供填充或类似方式来反转/反转这样的操作 这里只看卷积层的操作——没有池层、串联、非线性激活函数等 我不是在寻找几种可训练的反向卷积运算。例如，可以通过输出空间中的跨步$\geq 1$或输入空间中的内部填充来实现。Vincent Dumoulin和Francesco Visin在他们的网站上提供了非常清晰的动画GIF。深度学习团体在这些运算的命名上存在分歧：转置卷积、分步卷积和反卷积都被使用（后者虽然被广泛
我不是在寻找几种可训练的反向卷积运算。例如，可以通过输出空间中的跨步$\geq 1$或输入空间中的内部填充来实现。Vincent Dumoulin和Francesco Visin在他们的网站上提供了非常清晰的动画GIF。深度学习团体在这些运算的命名上存在分歧：转置卷积、分步卷积和反卷积都被使用（后者虽然被广泛使用，但由于不是正确的数学反卷积，因此非常容易引起误解）。反卷积的定义非常清楚。 在COVA中，将映射与输入帧相乘，如向量乘法，求和并将值分配给输出
在deconvo中，您获取输出值（1），将其与地图相乘，准高亮显示影响输出的点，并将其添加到前一个输入层（当然必须在开始时用零填充）。这必须提供相同的“输入”层作为前向传递。我相信这就是转置卷积和反卷积之间的区别的关键所在 反褶积是卷积的数学逆运算，而转置卷积只反转输入和输出之间的空间变换。这意味着，如果你想反转输出形状的变化，转置卷积可以完成这项工作，但它不是数学逆运算我在一篇文章中写了几句关于这个话题的话