Tensorflow 反卷积（DeConv）实现原理+ 手写python代码实现反卷积（DeConv）

1、反卷积原理

反卷积原理不太好用文字描述，这里直接以一个简单例子描述反卷积。

假设输入如下：

[[1,0,1],
 [0,2,1],
 [1,1,0]]

 反卷积卷积核如下：

[[ 1, 0, 1],
 [-1, 1, 0],
 [ 0,-1, 0]]

 现在通过strides=2来进行反卷积，使得尺寸由原来的3*3变为6*6.那么在Tensorflow框架中，反卷积的过程如下（不同框架在裁剪这步可能不一样）：

其实通过绘制的这张图，就已经把原理讲的很清楚，大致步骤就是，先填充0，然后进行卷积，卷积过程和上一篇讲述的一致。最后一步还要进行裁剪。

2、代码实现

上一篇文章我们只针对输出通道数为1进行代码实现，在这篇文章中，反卷积我们将输出通道设置为多个，这样更符合实际场景。

先定义输入和卷积核：

扫描二维码关注公众号，回复： 3910927 查看本文章

input_data=[[[1,0,1],
            [0,2,1],
            [1,1,0]],

            [[2,0,2],
            [0,1,0],
            [1,0,0]],

            [[1,1,1],
            [2,2,0],
            [1,1,1]],
            [[1,1,2],
            [1,0,1],
            [0,2,2]]] 
weights_data=[
            [[[ 1, 0, 1],
              [-1, 1, 0],
              [ 0,-1, 0]],

              [[-1, 0, 1],    
               [ 0, 0, 1],
               [ 1, 1, 1]],

              [[ 0, 1, 1],
               [ 2, 0, 1],
               [ 1, 2, 1]],

              [[ 1, 1, 1],
               [ 0, 2, 1],
               [ 1, 0, 1]]],

              [[[ 1, 0, 2],
                [-2, 1, 1],
                [ 1,-1, 0]],

               [[-1, 0, 1],    
                [-1, 2, 1],
                [ 1, 1, 1]],

               [[ 0, 0, 0],
                [ 2, 2, 1],
                [ 1,-1, 1]],
    
              [[ 2, 1, 1],
               [ 0,-1, 1],
               [ 1, 1, 1]]]
] 

上面定义的输入核卷积核，在接下的运算过程如下图所示：

可以看到实际上，反卷积和卷积基本一致，差别在于，反卷积需要填充过程，并在最后一步需要裁剪。

有几点需要注意：

1、每个卷积核需要旋转180°后，再传入tf.nn.conv2d_transpose函数中，因为tf.nn.conv2d_transpose内部会旋转180°，所以提前旋转，再经内部旋转后，能包传卷积核和我们使用的卷积核的数据排列一致。

2、我们定义的输入的shape为[c, h, w]需要转为tensorflow所使用的[n, h, w, c]。

3、我们定义的卷积核shape为[out_c, in_c, h, w]需要转为tensorflow反卷积中所使用的[h, w, out_c, in_c]

感谢作者：https://www.jianshu.com/p/f0674e48894c