......如果是，在什么情况下呢？
卷积层通常会产生较小尺寸的输出。是否可以通过翻转/转置使用过的内核并提供填充或同样来反转/反转此类操作？
在这里查看卷积层的操作 - 没有汇集层，连接，非线性激活函数等。
我没有寻找反向卷积操作的几个可训练版本中的任何一个。例如，可以通过输入空间中输出空间中的步长$ \ geq 1 $或输入空间中的内部填充来实现。 Vincent Dumoulin和Francesco Visin在他们github page上提供了非常有说服力的GIF动画。深度学习社区对这些操作的命名存在分歧：转置卷积，小幅度卷积和解卷积都被使用（后者，虽然被广泛使用，但由于没有适当的数学反卷积，因此具有误导性。）
答案 0 :(得分：0)
很好地定义了去卷积。
在convo中，您将地图与输入帧相乘，如矢量缩略图，汇总它并将值输出到ASSIGN。
在deconvo中，您获取输出值（一），将其与地图相乘，准点突出显示影响输出的点并将其添加到前输入层，（当然必须在开头填充零。这必须给出与前向传递相同的“输入”层。
答案 1 :(得分：0)
我相信这是转置卷积和反卷积之间差异的必要条件。
反卷积是卷积所做的数学逆，而转置卷积仅反转输入和输出之间的空间变换。意思是，如果要反转有关输出形状的更改，转置卷积将完成这项工作，但它不会是与其产生的值相关的数学逆。我在article中写了几个关于这个主题的文章。