torch.nn.functional.conv_transpose1d

torch.nn.functional.conv_transpose1d(input, weight, bias=None, stride=1, padding=0, output_padding=0, groups=1, dilation=1) → Tensor

在由多个输入通道组成的输入信号上应用一维转置卷积算子，有时也称为“反卷积”。

此操作符支持TensorFloat32。

有关详细信息和输出形状，请参阅 ConvTranspose1d。

注意

在某些情况下，当在 CUDA 设备上使用张量并使用 CuDNN 时，此算子可能会选择非确定性算法以提高性能。如果这不可取，您可以尝试通过设置 torch.backends.cudnn.deterministic = True 来使操作确定性（可能以性能为代价）。有关更多信息，请参阅 可复现性。

参数

• input – 输入张量，形状为 $(\text{minibatch} , \text{in\_channels} , iW)$

• weight – 形状为 $(\text{in\_channels} , \frac{\text{out\_channels}}{\text{groups}} , kW)$的滤波器。

• bias – 可选的偏置，形状为 $(\text{out\_channels})$。默认值：None

• stride – 卷积核的步幅。可以是单个数字或元组 (sW,)。默认值：1

• padding – 将会在输入的每个维度两侧添加 dilation * (kernel_size - 1) - padding 的零填充。可以是单个数字或元组 (padW,)。默认值：0

• output_padding – 将会添加到输出形状每个维度的一侧的附加大小。可以是单个数字或元组 (out_padW)。默认值：0

• groups – 将输入分成组，$\text{in\_channels}$ 必须能被组数整除。默认值：1

• dilation – 卷积核元素之间的间距。可以是单个数字或元组 (dW,)。默认值：1

示例

>>> inputs = torch.randn(20, 16, 50)
>>> weights = torch.randn(16, 33, 5)
>>> F.conv_transpose1d(inputs, weights)