前言

之前提及的upampling，對於初學CNN的人比較會不知道細節，今天就來介紹反捲積的細節吧。

upsampling

 up6 = Conv2D(512, 2, activation = 'relu', padding = 'same', kernel_initializer = 'he_normal')(UpSampling2D(size = (2,2))(drop5))

套娃結構，讓程式碼更可讀可以這樣寫

 up6 = UpSampling2D(size = (2,2))(drop5)
 up6 = Conv2D(512, 2, activation = 'relu', padding = 'same', kernel_initializer = 'he_normal')(up6)

這邊要注意，程式碼中的upsampling2D並不是實際意義上的反捲積，他只是相影像的長寬擴大了兩倍，之後再利用2X2的捲積來實現反捲積。

如果直接看反捲積的是意圖，不難發現，跟程式碼說明的捲積是等效果的。

結語

基本上所有的結構都快介紹完畢，明天剩下了最後一種結構。

reference

[1] [UpSampling2D layer] (https://keras.io/api/layers/reshaping_layers/up_sampling2d/)
[2] zhixuhao's unet
[3] Computer Vision Group
[4] 【圖解AI：動圖】各種型別的卷積，你認全了嗎？