反卷积

有关反卷积的文章：

https://my.oschina.net/u/3702502/blog/1803358

TensorFlow中的经验：
1、反卷积的时候：
①如果padding='same'，那么就是要扩大两倍，把stride写成2，即strides=2，
②如果padding='valid'，那么就用来计算
    其中是输出的图像的大小，是步长，你反卷积的那个图像的大小，是卷积核大小。就能算出来反卷积后得到的图像的尺寸.

2、卷积的时候：
①如果padding='same',
1.1 stride=1, 那么卷出来的大小和输入图像大小一样
1.2 stride=2，那么卷出来的效果就是输出图像长宽的除以2，除不开就向上取整，即：

②如果padding='valid'，那么p=0，就去套公式求输出的大小：

3、全局平均池化
如果有一批特征图,其尺寸为 , 我们经过全局平均池化之后,尺寸变为

全局平均池化可以代替view的操作，把图像的长x宽1x1

PyTorch中的经验：
1、对于卷积，统一公式：

或者是

以上两个公式计算结果是一样的，举例说明：
对于的输入，用Conv2d(3, 48, kernel_size=11, stride=4, padding=2)得到：


即得到：的特征图.

另外
对于池化操作：

注意本来是向下取整的，即在中：

nn.MaxPool2d(
    kernel_size,
    stride=None,
    padding=0,
    dilation=1,
    return_indices=False,
    ceil_mode=False,
)

注意这个ceil_mode=False所以是向下取整，但是可以通过调整这个参数变成True之后就变成向上取整了。
常见地有，则
还可以是，则, 如果ceil_mode=False就向下取整，如果ceil_mode=True就向上取整.