卷积（convolution）现在可能是深度学习中最重要的概念。靠着卷积和卷积神经网络（CNN）,深度学习超越了几乎其它所有的机器学习手段。

这篇文章将简要地概述一下不同类型的卷积以及它们的好处是什么。为了简单起见，本文只关注于二维的卷积。

卷积

首先，我们需要就定义一个卷积层的几个参数达成一致。

卷积核大小（Kernel Size）:卷积核的大小定义了卷积的视图范围。二维的常见选择大小是3，即3x3像素。

卷积核的步长（Stride）:Stride定义了内核的步长。虽然它的默认值通常为1，但我们可以将步长设置为2，然后对类似于MaxPooling的图像进行向下采样。

边缘填充（Padding）:Padding用于填充输入图像的边界。一个(半)填充的卷积将使空间输出维度与输入相等，而如果卷积核大于1，则未被填充的卷积将会使一些边界消失。

输入和输出通道:一个卷积层接受一定数量的输入通道(I)，并计算一个特定数量的输出通道(O)，这一层所需的参数可以由I*O*K计算，K等于卷积核中值的数量。

这个二维卷积使用的是大小为3的卷积核，步长为1并且被填充  

扩张的（Dilated）卷积

又名带洞的（atrous）卷积，扩张的卷积引入了另一个被称为扩张率（dilation rate）的卷积层。这定义了卷积核中值之间的间隔。一个3x3卷积核的扩张率为2，它的视图与5x5卷积核相同，而只使用9个参数。想象一下，取一个5x5卷积核，每两行或两列删除一行或一列。

这将以同样的计算代价提供更广阔的视角。扩张的卷积在实时分割领域特别受欢迎。如果需要广泛的视图，并且不能负担多个卷积或更大的卷积核，那么就使用它们。

卷积核大小为3、扩张率为2并且无边界扩充的二维卷积  

转置（Transposed）卷积

转置卷积也就是反卷积（deconvolution）。虽然有些人经常直接叫它反卷积，但严格意义上讲是不合适的，因为它不符合一个反卷积的概念。反卷积确实存在，但它们在深度学习领域并不常见。一个实际的反卷积会恢复卷积的过程。想象一下，将一个图像放入一个卷积层中。现在把输出传递到一个黑盒子里，然后你的原始图像会再次出来。这个黑盒子就完成了一个反卷积。这是一个卷积层的数学逆过程。

一个转置的卷积在某种程度上是相似的，因为它产生的相同的空间分辨率是一个假设的反卷积层。然而，在值上执行的实际数学操作是不同的。一个转置的卷积层执行一个常规的卷积，但是它会恢复它的空间变换（spatial transformation）。

在这一点上，你应该非常困惑，让我们来看一个具体的例子：

5x5的图像被馈送到一个卷积层。步长设置为2，无边界填充，而卷积核是3x3。结果得到了2x2的图像。

如果我们想要逆转这个过程，我们需要反向的数学运算，以便从我们输入的每个像素中生成9个值。然后，我们将步长设置为2来遍历输出图像。这就是一个反卷积过程。

卷积核大小为3×3、步长为2并且无边界填充的二维卷积  

一个转置的卷积并不会这样做。唯一的共同点是，它保证输出将是一个5x5的图像，同时仍然执行正常的卷积运算。为了实现这一点，我们需要在输入上执行一些奇特的填充。

正如你现在所能想象的，这一步不会逆转上面的过程。至少不考虑数值。

它仅仅是重新构造了之前的空间分辨率并进行了卷积运算。这可能不是数学上的逆过程，但是对于编码-解码器（Encoder-Decoder）架构来说，这仍然是非常有用的。这样我们就可以把图像的尺度上推（upscaling）和卷积结合起来，而不是做两个分离的过程。

卷积核大小为3×3、步长为2并且无边界填充的转置的二维卷积  

可分离卷积

在可分离的卷积中，我们可以将卷积核操作分解成多个步骤。我们来表示一个卷积，y=conv(x，k)其中y是输出图像，x是输入图像，k是卷积核。接下来，让我们假设k可以通过k=k1.dot(k2)来计算。这将使它成为可分离的卷积，因为我们不需要用k来做二维的卷积，而是通过k1和k2分别实现两次一维卷积来取得相同效果。

Sobel X和Y滤波器（filter）  

以Sobel算子卷积核为例，它在图像处理中经常被使用。通过乘以向量[1, 0, -1]和[1,2,1].T，你可以得到相同的卷积核。在执行相同的操作时，需要6个参数而不是9个参数。上面的例子展示了所谓的空间可分卷积。

注:实际上，你可以通过叠加1xN和Nx1卷积核层来创建类似于空间可分离的卷积的东西。这个东西最近在一个名为EffNet的架构中被使用，它显示了非常好的结果。

EffNet架构：http://www.atyun.com/16909_一文带你认识深度学习中不同类型的卷积&=6.html

在神经网络中，我们通常使用一种叫做深度可分离卷积（depthwise separable convolution）的东西。这个东西将执行一个空间卷积，同时保持通道独立，然后进行深度卷积。这里有一个例子来理解它：

假设我们在16个输入通道和32个输出通道上有一个3x3的卷积层。具体的情况是，16个通道中的每一个都被32个3x3的卷积核遍历，从而产生512（16×32）个特征图。接下来，我们通过添加每个输入通道对应的特征图后合并得到1个特征图。因为我们可以做32次，所以我们得到了32个输出通道。

在同一个例子中，对于一个深度可分离的卷积，我们遍历16个通道，每一个都有一个3x3内核，我们得到了16个特征图。现在，在合并之前，我们遍历这16个特征图，每个都有32个1x1卷积，然后才开始将它们添加到一起。这将产生656(16x3x3+16x32x1x1)个参数，少于上面的4608(16x32x3x3)参数。

这个例子是一个深度可分离的卷积的一个具体的实现，其中上面的深度乘数（depth multiplier）为1，这也是目前这类网络层的最常见的设置。

我们这样做是因为空间和深度信息可以被解耦。看看Xception模型的性能，这个理论似乎起了作用。深度可分离的卷积也可用于移动设备，因为它们可以有效地利用参数。

想了解更多的卷积动画，请查看：http://www.atyun.com/16909_一文带你认识深度学习中不同类型的卷积&=6.html

更多人工智能学习资源，请到网站http://www.atyun.com/，或加qq群：213252181

本文为编译文章，转载请注明出处。

来源：atyun_com

来源网址：http://www.atyun.com/16909_一文带你认识深度学习中不同类型的卷积&=6.html