Machine learning 如果转置卷积层接收3通道输入并输出2通道输出，它会有多少内核？为什么？

tconv层不是应该将6个内核分成两部分吗？一个通道有三个内核，另一个通道有三个内核生成两个通道，因为tconv层要输出两个通道输出？我是对的还是怎么了？

是的，就是这样。文档中对此进行了解释，您可以通过打印权重张量的形状来查看：

import torch.nn as nn
x = nn.Conv2d(3, 2, 7)
print(x.weight.shape)
>>> (2, 3, 7, 7)

---

确实有两组3个形状的核（7,7）

我说的是转置卷积层而不是卷积层。对于转置卷积层，权重形状是不同的，我不知道为什么。如果你知道，请告诉我。