使用pytorch中的上采样函数后tensor维度变化公式-ConvTranspose2d()

nn.ConvTranspose2d()在由多个输入平面组成的输入图像上应用二维转置卷积运算符。该模块可以看作是Conv2d相对于其输入的梯度。它也被称为分数步法卷积或反卷积（尽管它不是实际的反卷积运算）。
参数

in_channels（int）–输入图像中的通道数

out_channels（int）–卷积产生的通道数

kernel_size（int或元组）–卷积内核的大小

stride（int或tuple，可选）–卷积的步幅。默认值：1

padding（int或tuple，可选）– 零填充将添加到输入中每个维度的两侧。默认值：0dilation * (kernel_size - 1) - padding

output_padding（int或tuple，可选）–在输出形状的每个尺寸的一侧添加的附加大小。默认值：0

groups（int，可选）–从输入通道到输出通道的阻塞连接数。默认值：1

bias（bool，可选）–如果为True，则向输出添加可学习的偏见。默认：True

dilation（int或tuple，可选）–内核元素之间的间距。默认值：1

维度

Input:(N,C_in,H_in,W_in)
Output:(N,C_out,H_out,W_out)
H_out=(H_in−1)×stride[0]−2×padding[0]+dilation[0]×(kernel_size[0]−1)+output_padding[0]+1
W_out=(W_in−1)×stride[1]−2×padding[1]+dilation[1]×(kernel_size[1]−1)+output_padding[1]+1

文章来源链接：https://www.jianshu.com/p/90db279c591d