1、函数：

torch.nn.ConvTranspose2d(in_channels,
                         out_channels,
                         kernel_size,
                         stride=1,
                         padding=0,
                         output_padding=0,
                         groups=1,
                         bias=True,
                         dilation=1)

2、参数含义：

   in_channels(int)  ---输入信号的通道数
   out_channels(int)  ----卷积产生的通道数
   kernel_size(int or tuple)  ---卷积核的大小
   stride(int or tuple,optional)  ---卷积步长，即要将输入扩大的倍数
   padding(int or tuple,optional)  ---输入的每一条边补充0的层数，高宽都增加2*padding
   output_padding(int or tuple,optional)  ---输出边补充ing0de层数，高宽都增加2*padding
   groups(int ,optional)  ---从输入通道到输出通道的阻塞连接数
   bias(bool, optional)  ---若bias=True，添加偏置
   dilation（int or tuple,optional）---卷积核元素之间的间距

3、输入图像与输出图像大小尺寸计算公式：

output=(input-1)*stride+output_padding-2*padding+kernel_size                                                                                                                                        

4、示例：查看李沐大佬的视频，对照推导一下公式，可以帮助理解；

https://www.bilibili.com/video/BV1af4y1L7Zu?p=2

帮助理解FCN中反卷积