ConvTranspose3d#

class torch.nn.modules.conv.ConvTranspose3d(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)[来源]#

对由多个输入平面组成的输入图像应用 3D 转置卷积算子。转置卷积算子逐元素地将每个输入值与可学习的核进行乘法运算，并对所有输入特征平面的输出进行求和。

该模块可以看作是 Conv3d 相对于其输入的梯度。它也被称为分数步长卷积或反卷积（尽管它并不是真正的反卷积操作，因为它不计算卷积的真实逆）。有关更多信息，请参阅此处的可视化以及 Deconvolutional Networks 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 控制互相关的步长。
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进行卷积（大小为 $\frac{\text{out\_channels}}{\text{in\_channels}}$ ）。

参数 kernel_size、stride、padding、output_padding 可以是

一个单独的 int —— 这种情况下，深度、高度和宽度维度都使用相同的值。

一个由三个整数组成的 tuple —— 这种情况下，第一个 int 用于深度维度，第二个 int 用于高度维度，第三个 int 用于宽度维度。

注意

参数 padding 会在输入的每个维度两侧有效地添加 dilation * (kernel_size - 1) - padding 的零填充量。这样设置是为了当 Conv3d 和 ConvTranspose3d 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，Conv3d 会将多个输入形状映射到相同的输出形状。参数 output_padding 用于解决这种歧义，它通过有效地在输出形状的一侧增加计算出的形状来解决。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： $(N, C_{in}, D_{in}, H_{in}, W_{in})$ 或 $(C_{in}, D_{in}, H_{in}, W_{in})$
输出： $(N, C_{out}, D_{out}, H_{out}, W_{out})$ 或 $(C_{out}, D_{out}, H_{out}, W_{out})$ ，其中

D_{out} = (D_{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

H_{out} = (H_{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

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

变量

weight (Tensor) – 模块的可学习权重，形状为 $(\text{in\_channels}, \frac{\text{out\_channels}}{\text{groups}},$ $\text{kernel\_size[0]}, \text{kernel\_size[1]}, \text{kernel\_size[2]})$ 。这些权重的初始值从 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ ，其中 $k = \frac{groups}{C_\text{out} * \prod_{i=0}^{2}\text{kernel\_size}[i]}$
bias (Tensor) – 模块的 learnable bias，形状为 (out_channels)。如果 bias 为 True，则这些权重的初始值从 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ ，其中 $k = \frac{groups}{C_\text{out} * \prod_{i=0}^{2}\text{kernel\_size}[i]}$

示例

>>> # With square kernels and equal stride
>>> m = nn.ConvTranspose3d(16, 33, 3, stride=2)
>>> # non-square kernels and unequal stride and with padding
>>> m = nn.ConvTranspose3d(16, 33, (3, 5, 2), stride=(2, 1, 1), padding=(0, 4, 2))
>>> input = torch.randn(20, 16, 10, 50, 100)
>>> output = m(input)

ConvTranspose3d#

文档

教程

资源