torch.nn.functional.conv_transpose3d#
- torch.nn.functional.conv_transpose3d(input, weight, bias=None, stride=1, padding=0, output_padding=0, groups=1, dilation=1) Tensor #
对输入图像应用三维转置卷积算子,该输入图像由多个输入平面组成,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
ConvTranspose3d
。注意
在某些情况下,当在 CUDA 设备上使用张量并使用 CuDNN 时,此运算符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(可能会以性能为代价)。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。可以是单个数字或一个元组
(sT, sH, sW)
。默认为 1padding –
dilation * (kernel_size - 1) - padding
的零填充将添加到输入每个维度的两侧。可以是单个数字或一个元组(padT, padH, padW)
。默认为 0output_padding – 添加到输出形状每个维度一侧的额外大小。可以是单个数字或一个元组
(out_padT, 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 – 卷积核元素之间的间距。可以是单个数字或一个元组 (dT, dH, dW)。默认为 1
示例
>>> inputs = torch.randn(20, 16, 50, 10, 20) >>> weights = torch.randn(16, 33, 3, 3, 3) >>> F.conv_transpose3d(inputs, weights)