stride=2 的 2x2 deconv 内核如何工作？
How does a 2x2 deconv kernel with stride=2 work?
例如，如果特征图是 8x8，比起我使用这样的 deconv 而特征图变成 16x16，我很困惑有什么区别：
deconv(kernel_size=2, stride=2, padding='valid')
和
deconv(kernel_size=3, stride=2, padding='same')
由于它们都会使特征图大2倍，它们分别是如何工作的？
我想您会发现 this web page 上的解释和交互式演示非常有帮助。
具体来说，无论内核大小如何，设置 stride=2 都会使输出形状加倍。
kernel_size 确定每个输入像素影响多少输出像素。
设置 stride=2 和 kernel_size=2 只是 "duplicates" 你的内核输出。考虑这个一维示例。假设你的内核是[a, b]，你的输入是[A, B, ...]，那么输出是
[A*a, A*b, B*a, B*b, ...]
对于kernel_size=3，输出变为
[A*a, A*b, A*c+B*a, B*b, B*c+C*a, ...]
例如，如果特征图是 8x8，比起我使用这样的 deconv 而特征图变成 16x16，我很困惑有什么区别：
deconv(kernel_size=2, stride=2, padding='valid')
和
deconv(kernel_size=3, stride=2, padding='same')
由于它们都会使特征图大2倍，它们分别是如何工作的？
我想您会发现 this web page 上的解释和交互式演示非常有帮助。
具体来说，无论内核大小如何，设置 stride=2 都会使输出形状加倍。
kernel_size 确定每个输入像素影响多少输出像素。
设置 stride=2 和 kernel_size=2 只是 "duplicates" 你的内核输出。考虑这个一维示例。假设你的内核是[a, b]，你的输入是[A, B, ...]，那么输出是
[A*a, A*b, B*a, B*b, ...]
对于kernel_size=3，输出变为
[A*a, A*b, A*c+B*a, B*b, B*c+C*a, ...]