ref: https://www.zhihu.com/question/43609045
https://www.zhihu.com/question/48035421
上采样的卷积层有很多名字：全卷积（full convolution），网络内上采样（ in-network upsampling），微步幅卷积（fractionally-strided convolution），反向卷积（backwards convolution），去卷积（deconvolution），上卷积（upconvolution），以及转置卷积（transposed convolution）。用「去卷积」这个术语是非常不推荐的，因为这是一个过载的术语：在数学运算或计算机视觉中的其他应用有着完全不同的含义。
matlab conv参数有三种：valid/same/full
full: 只要有overlap就可以卷积
valid: kernel必须全部cover在features map上，不加padding会导致features map变小
same: 设置初始卷积位置，使得生成的feature map和原始feature map大小一样。
deconv: stride=1: 相当于matlab full conv
stride=2: 则先在feature map两两元素之间插入1个0，再卷积，卷积核的中心必须在插完0后的feature map上。此时卷积核为k*k，相当于pad=(k-1)/2
output feature map大小计算：
conv: output = (input + 2*pad - kernel)/stride+1
deconv: output = (input - 1) * stride + kernel - 2*pad