將反捲積層的學習率設為0，upsample的方式就是預設的雙線性插值，當然也可以設定學習率不為0，讓反捲積層自己學習引數（聽說：學習率不為0，能讓網路的效果有略微提升）。
  轉置卷積層的stride最好別設定為和kernal相等，最好小一些，比如1/2；
  如果遇到了上圖的馬賽克現象，就將反捲積層的weight_filler設為雙線性插值；而不要設為高斯。例：

layer {
  name: ""deconv2_1""
  type: ""Deconvolution""
  bottom: ""conv2_d""
  top: ""deconv2_1""
  param {
    lr_mult: 0
  }
  convolution_param { 
    num_output: 32
    bias_term: false
    kernel_size: 4
    stride: 2
    weight_filler {      
    type: ""bilinear""
    }
#    weight_filler {      
#    type: ""gaussian""      
#    std: 0.01    
#    }
#    bias_filler { 
#    type: ""constant"" 
#    value: 0 
#    }
  }
}