评价此页

torch.nn.functional.conv_transpose2d#

torch.nn.functional.conv_transpose2d(input, weight, bias=None, stride=1, padding=0, output_padding=0, groups=1, dilation=1) Tensor#

对由多个输入平面组成的输入图像应用二维转置卷积算子,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,请参见 ConvTranspose2d

注意

在某些情况下,当输入张量位于 CUDA 设备上并使用 CuDNN 时,此算子可能会选择一个非确定性算法来提高性能。如果这不理想,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 (minibatch,in_channels,iH,iW)(\text{minibatch} , \text{in\_channels} , iH , iW)

  • weight – 滤波器,形状为 (in_channels,out_channelsgroups,kH,kW)(\text{in\_channels} , \frac{\text{out\_channels}}{\text{groups}} , kH , kW)

  • bias – 可选偏置,形状为 (out_channels)(\text{out\_channels})。默认为 None

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

  • paddingdilation * (kernel_size - 1) - padding 将在输入的每个维度的两侧添加零填充。可以是单个数字或元组 (padH, padW)。默认为 0

  • output_padding – 附加到输出形状中每个维度一侧的额外大小。可以是单个数字或元组 (out_padH, out_padW)。默认为 0

  • groups – 将输入分割成组,in_channels\text{in\_channels} 应能被组数整除。默认为:1

  • dilation – 内核元素之间的间距。可以是单个数字,也可以是元组 (dH, dW)。默认为:1

示例

>>> # With square kernels and equal stride
>>> inputs = torch.randn(1, 4, 5, 5)
>>> weights = torch.randn(4, 8, 3, 3)
>>> F.conv_transpose2d(inputs, weights, padding=1)