深度學習中的各種卷積

1.卷積 卷積運算可以表示爲，爲一個稀疏矩陣。神經網絡中的正向傳播就是轉換成了這種矩陣運算。 反向傳播時，首先我們已經從更深層的網絡中得到，   2.反捲積（稱爲轉置卷積更爲合理） 轉置卷積(Transposed convolutions)其實就是在正向傳播時左乘，反向傳播時左乘，即。轉置卷積可以理解爲中間運算矩陣被轉置了的卷積。轉置卷積的前向過程和反向過程正好和卷積的相反，實現的時候對調一下即可

>>阅读原文<<