具有 3 通道图像的卷积层的反向传递答案

【问题标题】：Backward pass on convolutional layer with 3-channel images具有 3 通道图像的卷积层的反向传递
【发布时间】：2018-04-07 19:07:08
【问题描述】：

我知道反卷积基本上是输出与翻转滤波器的卷积，我已经为 2D 数据实现了它。但我无法将其概括为 3D 数据。例如，考虑维度 3x5x5 的输入，过滤器的维度为 3x3x3，步幅设置为 1。因此，输出维度为 1x3x3。我不明白的是如何计算这个输出的反卷积。翻转的过滤器再次将是维度3x3x3，卷积的输出维度是1x3x3，这与卷积不兼容。那么我们如何计算反卷积呢？

【问题讨论】：

标签： machine-learning neural-network deep-learning conv-neural-network convolution

【解决方案1】：

也许这个post 会帮助你一点。您说的正确，相同大小的过滤器无法适应反卷积维度。因此，为了解决这个问题，1x3x3 会用零、平均值、nn 等填充，直到它达到您需要的适当大小。深度可以用同样的方式处理。在您的示例中，您想要一个 3x3x3 过滤器将 1x3x3“反卷积”为 3x5x5。因此，我们将 1x3x3 填充为 5x7x7（使用您喜欢的任何方法），并应用过滤器。这个过程有明显的缺点，因为你试图从更少的信息中推断出更多的信息。

【讨论】：