各种卷积与反卷积动态图
反卷积:
详细文字链接：https://www.zhihu.com/question/43609045/answer/132235276(该链接中并没有下面的动态图)
Deconvolution大致可以分为以下几个方面：（1）unsupervised learning，其实就是covolutional sparse coding[1][2]：这里的deconv只是观念上和传统的conv反向，传统的conv是从图片生成feature map，而deconv是用unsupervised的方法找到一组kernel和feature map，让它们重建图片。（2）CNN可视化[3]：通过deconv将CNN中conv得到的feature map还原到像素空间，以观察特定的feature map对哪些pattern的图片敏感，这里的deconv其实不是conv的可逆运算，只是conv的transpose，所以tensorflow里一般取名叫transpose_conv。（3）upsampling[4][5]：在pixel-wise prediction比如image segmentation[4]以及image generation[5]中，由于需要做原始图片尺寸空间的预测，而卷积由于stride往往会降低图片size， 所以往往需要通过upsampling的方法来还原到原始图片尺寸，deconv就充当了一个upsampling的角色。 
arbitrary_padding_no_strides
arbitrary_padding_no_strides_transposed
dilation
full_padding_no_strides
full_padding_no_strides_transposed
no_padding_no_strides
no_padding_no_strides_transposed
no_padding_strides
no_padding_strides_transposed
padding_strides
padding_strides_odd
padding_strides_odd_transposed
padding_strides_transposed
same_padding_no_strides
same_padding_no_strides_transposed
