PyTorch 的 ConvolutionTrans2d 输出介绍

ConvolutionTrans2d 是 PyTorch 提供的一个二维卷积转置模块，通常用于上采样操作，将低分辨率图像转变为高分辨率图像。本文将介绍 ConvolutionTrans2d 的输出结果。

代码示例

下面是一个基本的 ConvolutionTrans2d 代码：

import torch.nn as nn

# 定义输入张量的大小
input_tensor = torch.randn(1, 3, 16, 16)

# 定义ConvTranspose2d层
conv = nn.ConvTranspose2d(3, 6, kernel_size=3, stride=2, padding=1, output_padding=1)

# 执行一次前向传递
output = conv(input_tensor)

# 输出结果
print(output.shape)

输出结果为：

torch.Size([1, 6, 31, 31])

输出维度

ConvolutionTrans2d 的输出张量的大小取决于以下参数：

• in_channels：输入张量的通道数
• out_channels：输出张量的通道数
• kernel_size：卷积核大小
• stride：步长大小
• padding：填充大小
• output_padding：输出填充大小

其中，输出张量的大小计算公式为：

$$ \begin{aligned} n_{\text{out}} &= (n_{\text{in}}-1) \times \operatorname{stride}[0] - 2 \times \operatorname{padding}[0] + \operatorname{kernel_size}[0] + \operatorname{output_padding}[0]\ m_{\text{out}} &= (m_{\text{in}}-1) \times \operatorname{stride}[1] - 2 \times \operatorname{padding}[1] + \operatorname{kernel_size}[1] + \operatorname{output_padding}[1]\ \end{aligned} $$

其中 $n_{\text{in}}, m_{\text{in}}$ 分别表示输入张量的高和宽，$n_{\text{out}}, m_{\text{out}}$ 分别表示输出张量的高和宽。

案例分析

假设我们有一张 $3\times8\times8$ 的输入张量，卷积核大小为 $3\times3$，步长为 $2$，填充为 $1$，输出填充为 $1$，输出通道数为 $6$，那么我们可以这样使用 ConvolutionTrans2d：

import torch.nn as nn

# 定义输入张量大小
input_tensor = torch.randn(1, 3, 8, 8)

# 定义ConvTranspose2d层
conv = nn.ConvTranspose2d(3, 6, kernel_size=3, stride=2, padding=1, output_padding=1)

# 执行一次前向传递
output = conv(input_tensor)

# 输出结果
print(output.shape)

输出结果为：

torch.Size([1, 6, 15, 15])

我们可以看到，输出张量的高和宽分别为 $15$，而输入张量的高和宽分别为 $8$，因此 ConvolutionTrans2d 完成了上采样操作，将输入图像的维度扩大了一倍以上。同时，输出张量的通道数也从 $3$ 变成了 $6$，即意味着 ConvolutionTrans2d 还对输入张量进行了深度转换操作。