卷积层是否存在精确逆运算？若存在，适用场景是什么？

没问题！卷积层的正向运算通常会输出尺寸更小的特征图，而我们确实可以通过翻转/转置卷积核并配合填充等操作，来反转这个卷积的空间尺寸变化过程——不过需要先明确：本次讨论仅聚焦卷积层本身的操作，池化层、张量拼接、非线性激活函数等其他组件不在讨论范围内。

另外要说明：这里不考虑各类可训练的反向卷积变体操作，比如那些通过设置输出空间步长≥1、或者利用输入空间固有填充来实现的类型。

最后提个行业里的小分歧：深度学习界对这类反转卷积尺寸的操作命名一直没统一，目前常用的叫法有三种：

• Transpose convolution（转置卷积）
• fractionally strided convolution（分数步长卷积）
• deconvolution（反卷积）

需要特别注意的是，deconvolution虽然被广泛使用，但它其实极具误导性，因为这类操作并非严格数学意义上的反卷积运算。

内容的提问来源于stack exchange，提问作者Dave