ConvTranspose2d#

class torch.nn.modules.conv.ConvTranspose2d(in_channels, out_channels, kernel_size, stride=1, padding=0, output_padding=0, groups=1, bias=True, dilation=1, padding_mode='zeros', device=None, dtype=None)[源码]#

对由多个输入平面组成的输入图像应用 2D 转置卷积运算符。

此模块可以看作是 Conv2d 相对于其输入的梯度。它也被称为分数步长卷积或反卷积（尽管它不是实际的反卷积运算，因为它不计算卷积的真实逆）。有关更多信息，请参阅这里的可视化和反卷积网络论文。

此模块支持 TensorFloat32。

在某些 ROCm 设备上，当使用 float16 输入时，此模块将对反向传播使用不同精度。

stride 控制交叉相关的步长。当 stride > 1 时，ConvTranspose2d 在空间维度上沿输入元素之间插入零，然后再应用卷积核。这种零插入操作是转置卷积的标准行为，它可以增加空间分辨率，并且等同于可学习的上采样操作。
padding 控制两侧的隐式零填充量，其值为 dilation * (kernel_size - 1) - padding 个点。有关详细信息，请参阅下面的说明。
output_padding 控制添加到输出形状一侧的额外尺寸。有关详细信息，请参见下面的注释。
dilation 控制核点之间的间距；也称为 à trous 算法。这比较难描述，但此处的链接对 dilation 的作用有很好的可视化。
groups 控制输入和输出之间的连接。 in_channels 和 out_channels 都必须能被 groups 整除。例如，
- 当 groups=1 时，所有输入都会与所有输出进行卷积。
- 当 groups=2 时，操作相当于有两个并排的卷积层，每个层看到一半的输入通道并产生一半的输出通道，然后将两者连接起来。
- 当 groups = in_channels 时，每个输入通道都与自己的一组滤波器（大小为 $\frac{\text{out\_channels}}{\text{in\_channels}}$ ）进行卷积。

参数 kernel_size、stride、padding、output_padding 可以是

一个单一的 int — 在这种情况下，相同的值将用于高度和宽度维度

两个 int 的 tuple – 在这种情况下，第一个 int 用于高度维度，第二个 int 用于宽度维度

注意

padding 参数有效地向输入的两个尺寸添加了 dilation * (kernel_size - 1) - padding 的零填充。这是为了使当一个 Conv2d 和一个 ConvTranspose2d 使用相同的参数初始化时，它们在输入和输出形状上是互逆的。然而，当 stride > 1 时，Conv2d 会将多个输入形状映射到相同的输出形状。output_padding 用于通过有效地增加一侧的计算输出形状来解决这种歧义。请注意，output_padding 仅用于确定输出形状，而不会实际向输出添加零填充。

注意

在某些情况下，当在 CUDA 设备上使用张量并利用 CuDNN 时，此算子可能会选择一个非确定性算法来提高性能。如果这不可取，你可以尝试将操作设置为确定性的（可能以性能为代价），方法是设置 torch.backends.cudnn.deterministic = True。有关更多信息，请参阅可复现性。

参数

in_channels (int) – 输入图像中的通道数
out_channels (int) – 卷积产生的通道数
kernel_size (int 或 tuple) – 卷积核的大小
stride (int 或 tuple, 可选) – 卷积的步幅。默认为：1
padding (int 或 tuple，可选) – 在输入的每个维度两侧会添加 dilation * (kernel_size - 1) - padding 的零填充。默认值：0
output_padding (int 或 tuple，可选) – 在输出形状的每个维度的一侧添加的额外尺寸。默认值：0
groups (int, 可选) – 从输入通道到输出通道的阻塞连接数。默认为：1
bias (bool, 可选) – 如果为 True，则向输出添加可学习的偏置。默认为：True
dilation (int 或 tuple, 可选) – 核元素之间的间距。默认为：1

形状

输入： $(N, C_{in}, H_{in}, W_{in})$ 或 $(C_{in}, H_{in}, W_{in})$
输出： $(N, C_{out}, H_{out}, W_{out})$ 或 $(C_{out}, H_{out}, W_{out})$ ，其中

H_{out} = (H_{in} - 1) \times \text{stride}[0] - 2 \times \text{padding}[0] + \text{dilation}[0] \times (\text{kernel\_size}[0] - 1) + \text{output\_padding}[0] + 1

W_{out} = (W_{in} - 1) \times \text{stride}[1] - 2 \times \text{padding}[1] + \text{dilation}[1] \times (\text{kernel\_size}[1] - 1) + \text{output\_padding}[1] + 1

变量

weight ( Tensor ) – 模块的可学习权重，形状为 $(\text{in\_channels}, \frac{\text{out\_channels}}{\text{groups}},$ $\text{kernel\_size[0]}, \text{kernel\_size[1]})$ 。这些权值是从 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ 中，其中 $k = \frac{groups}{C_\text{out} * \prod_{i=0}^{1}\text{kernel\_size}[i]}$
bias ( Tensor ) – 模块的可学习偏置，形状为 (out_channels)。如果 bias 为 True，则这些权值是从 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ 中采样。

示例

>>> # With square kernels and equal stride
>>> m = nn.ConvTranspose2d(16, 33, 3, stride=2)
>>> # non-square kernels and unequal stride and with padding
>>> m = nn.ConvTranspose2d(16, 33, (3, 5), stride=(2, 1), padding=(4, 2))
>>> input = torch.randn(20, 16, 50, 100)
>>> output = m(input)
>>> # exact output size can be also specified as an argument
>>> input = torch.randn(1, 16, 12, 12)
>>> downsample = nn.Conv2d(16, 16, 3, stride=2, padding=1)
>>> upsample = nn.ConvTranspose2d(16, 16, 3, stride=2, padding=1)
>>> h = downsample(input)
>>> h.size()
torch.Size([1, 16, 6, 6])
>>> output = upsample(h, output_size=input.size())
>>> output.size()
torch.Size([1, 16, 12, 12])

forward(input, output_size=None)[源码]#

执行前向传播。

变量

input ( Tensor ) – 输入张量。
output_size ( list[int], optional ) – 表示输出张量大小的整数列表。默认为 None。

返回类型

张量

ConvTranspose2d#

文档

教程

资源