如果转置卷积层接受 3 通道输入并给出 2 通道输出，它将有多少个内核，为什么？

【问题标题】：If a transposed convolution layer takes in a 3 channel input and gives out a 2 channel output, how many kernels would it have and why?如果转置卷积层接受 3 通道输入并给出 2 通道输出，它将有多少个内核，为什么？
【发布时间】：2021-07-26 18:15:38
【问题描述】：

tconv 层不是应该有 6 个内核分成两个吗？一个通道的一个三个内核，另一个通道的另一个三个内核产生两个通道，因为 tconv 层要给出一个两个通道的输出？我是对的还是什么？

【问题讨论】：

标签： machine-learning pytorch conv-neural-network

【解决方案1】：

是的，它就是这样工作的。 Conv2d 文档中对此进行了解释，您可以通过打印权重张量的形状来查看：

import torch.nn as nn
x = nn.Conv2d(3, 2, 7)
print(x.weight.shape)
>>> (2, 3, 7, 7)

确实有 2 组 3 个形状的内核 (7,7)

【讨论】：

我说的是转置卷积层而不是卷积层。转置卷积层的权重形状不同，我不知道为什么会这样。如果你知道请告诉我。