Fractional-strided convolution，分数阶卷积，也称为转置卷积或反卷积，是一种用于深度学习和计算机视觉的技术，用于对输入图像进行上采样或增加空间分辨率。与执行下采样的常规卷积层不同，分数步幅卷积层执行上采样。
在常规卷积层中，我们有一组在输入图像上滑动的过滤器，并且对于每个位置，它们在过滤器权重和相应的输入值之间执行点积。结果是空间维度减小的特征图。
相反，分数步长卷积层旨在重建原始输入图像或
增加其空间分辨率。他们通过使用一组具有与下采样相反效果的滤波器来实现这一点。它们不是将多个输入值映射到单个输出值，而是将单个输入值映射到多个输出值，从而有效地增加了特征图的空间维度。
Fractional-strided 卷积层通过在输入值之间插入零来实现上采样，从而有效地创建稀疏特征图。然后过滤器在这个稀疏特征图上滑动，并在每个位置执行过滤器权重和非零输入值之间的点积，生成输出值。
术语“fractional-strided”是指这些层在概念上等同于在前向执行具有分数步长（步长大于 1）的卷积。然而，在实践中，小数步长卷积被实现为一个常规卷积，然后是一个缩放操作。
