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
weight – 滤波器,形状为
bias – 可选偏置,形状为 。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 1padding –
dilation * (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 0output_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 0groups – 将输入分割成组, 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)