Tensorflow 如果使用匹配的内核大小和步长，为什么Conv2DTranspose会输出棋盘格图像？

我已经读过很多次著名的蒸馏纸，其中涉及为什么Conv2DTranspose会产生棋盘人工制品

但是，我从中了解到，如果内核大小和步幅都匹配，就不会有任何问题。我正在使用

Conv2D

和

kernel=（2,2）

和

strips=（2,2）

进行下采样。我正在用完全相同的值使用

conv2dtranpse

进行上采样。但是，如果我将

conv2dtranpse

层的输出可视化，它们的检查负载非常大。没有下一个conv层无法修复的东西，但是。。。为什么呢？顺便说一下，我在最终输出中看不到人工制品（同时，我正在分割，所以在最终的准二元掩模中看不到小强度噪声）

---

conv2dtranpse

的确切定义是什么？当使用匹配的内核和步幅时，我希望这样一个层的输出是非“网格式”的（如上面提取链接中的示例所示），但是在文档中没有关于它的确切数学定义。为什么我错了？

Conv2Transpose数学运算与

卷积运算正好相反。请注意，
反褶积
或其他术语的使用在数学上是不正确的


这是一个很好的例子，因为它正好使用了两步。您可以看到初始图像大小是2x2，白色正方形是0填充，最终输出张量尺寸是4x4

尽管不再使用，theano文档漂亮地解释了
conv2dtranpse
背后的数学原理。您应该查看文档以更好地理解。
我不会使用“精确逆”一词，因为卷积和矩阵乘法通常不是可逆函数。也许“对立面”是一个更好的术语？事实上，对立面是一个更合适的词。我修改了答案以反映正确的数学术语。我仍然没有得到一件事。。。内核在这里做什么？我希望您在输入中取1个像素的值，在输出中取3x3平方的值（像素值乘以每个内核值）。相反，在这个链接中，它显示您在输入中获得1个像素，在输出中获得1个像素，而其他像素保持为零（例如：关系10，非单位步幅）