实现在CNN向后卷积多通道数据

问题描述：

我一直在努力，因为我实现卷积神经网络来获得卷积运算更深入的了解。但是我在试图计算反向通过或反卷积时卡住了。实现在CNN向后卷积多通道数据

可以说输入是尺寸为3x7x7的三维RGB图像过滤器的尺寸为3x3x3。在将步长设置为2的卷积中，我们将得到尺寸为3x3的输出。

现在，这是我的问题。我已经读过，反卷积是输出与翻转内核的卷积。但是在翻转内核时，它仍然是尺寸为3x3x3，输出尺寸为3x3。输入是尺寸3x7x7。那么，解卷积是如何计算的？

你在说2D或3D卷积吗？ “3x3x3”过滤器形状是什么意思？ – Maxim

@maxim我正在谈论3D卷积，这就是为什么过滤器是3D –

@Maxim我相信他意味着2D彩色图像，3是3通道 –

答

Here是一个很好的可视化如何卷积和反卷积（转置卷积）。白色的部分只是零。

这篇文章是伟大的，但我仍然不明白解卷积如何适用于3D作为卷积结果的数据是2D，但滤波器本身是3D。 –

彩色图像具有3个通道，红色，绿色和蓝色。因此，一个图像7x7x3意味着它的3个独立的7x7的地图，记录每个RGB颜色的强度。 –