如何理解深度学习中的deconvolution networks？ 第1页
1
mennng 网友的相关建议:
一句话解释：逆卷积相对于卷积在神经网络结构的正向和反向传播中做相反的运算。
逆卷积(Deconvolution)比较容易引起误会，转置卷积(Transposed Convolution)是一个更为合适的叫法.
举个栗子：
4x4的输入，卷积Kernel为3x3, 没有Padding / Stride, 则输出为2x2。
输入矩阵可展开为16维向量，记作
输出矩阵可展开为4维向量，记作
卷积运算可表示为
不难想象其实就是如下的稀疏阵:
平时神经网络中的正向传播就是转换成了如上矩阵运算。
那么当反向传播时又会如何呢？首先我们已经有从更深层的网络中得到的.
回想第一句话，你猜的没错，所谓逆卷积其实就是正向时左乘，而反向时左乘，即的运算。
逆卷积的一个很有趣的应用是GAN(Generative Adversarial Network)里用来生成图片：Generative Models
----
[1603.07285] A guide to convolution arithmetic for deep learning
1
相关话题
2020到2021年小样本学习取得重大进展了吗？Resnet是否只是一个深度学习的trick？
新手如何实现个简单AutoML框架。有参考的github开源项目介绍吗？
使用强化学习解决实际问题时常常避不开环境模拟或者使用离线强化学习算法，两者分别有什么优缺点？
深度学习方面的科研工作中的实验代码有什么规范和写作技巧？如何妥善管理实验数据？
为什么小模型已经可以很好地拟合数据集了，换大模型效果却要比小模型好？
什么是蒙特卡罗 Dropout(Monte-Carlo Dropout)？
2021 年各家大厂的 AI Lab 现状如何？
如何看待 Larrabee 之父 Tom Forsyth 重加入 Intel？英特尔为何下注独立显卡？
如何看待谷歌研究人员提出的卷积正则化方法「DropBlock」？
相关的话题
你实践中学到的最重要的机器学习经验是什么？想问下专业人士 OpenCv会被深度学习进一步取代吗进一步取代吗？
如何正确理解小概率事件，以及概率和哲学的关系？
网络上一位长者提出了“完全不依靠人工神经网络与机器学习算法实现人工智能”的理论，大家怎么看？
如何评价B站UP主未明子宣称“知乎搞机器学习模拟拉康的程序员”具备“头脑上的悲剧”？
如何评价何恺明等 arxiv 新作 Rethinking ImageNet Pre-training？
在做算法工程师的道路上，你掌握了什么概念或技术使你感觉自我提升突飞猛进？
联邦学习/联盟学习 (Federated Learning) 的发展现状及前景如何？
为什么ViT里的image patch要设计成不重叠？
当前深度学习理论基础薄弱是否意味着我们应该放弃深度学习应用(计算机视觉、自然语言处理)？
目前工业界常用的推荐系统模型有哪些？
2021年了，机器学习有什么高质量的专著?
如何评价 Exploring Simple Siamese Learning?
推荐算法岗是否存在严重人才过剩?
求通俗解释下bandit老虎机到底是个什么东西？
NLP文本分类的本质是不是其实是找相似，对于要分类的句子，在训练集里找最相似的句子？
实体提取任务中使用BERT-CRF时，CRF根据数据统计可以得到转移概率，为啥还要训练呢？
领域自适应需要用到测试集数据，这样的方法有啥意义呢？
如何理解空洞卷积（dilated convolution）？
阿里的TDM树深度模型为什么很少有人用，是有哪些问题吗？
AlphaGo「理解」围棋吗？
广告算法工程师的核心竞争力是什么？
Linear least squares, Lasso,ridge regression有何本质区别？
nlp有哪些值得完整实现一遍的算法?
全连接层的作用是什么？
算法工程师的落地能力具体指的是什么？
结合深度学习的图像修复怎么实现？
为什么deep lab v3起，输出不再接 DenseCRF了？
如何看待谷歌研究人员提出的卷积正则化方法「DropBlock」？
如何评价剑桥，腾讯， DeepMind以及港大团队新作 SimCTG ?