torch.nn.functional.conv_transpose1d

torch.nn.functional.conv_transpose1d(input, weight, bias=None, stride=1, padding=0, output_padding=0, groups=1, dilation=1) → Tensor

對由多個輸入平面組成的輸入訊號應用一維轉置卷積運算元，有時也稱為“反捲積”。

此運算子支援TensorFloat32。

有關詳細資訊和輸出形狀，請參閱 ConvTranspose1d。

注意

在某些情況下，當在 CUDA 裝置上使用張量並利用 CuDNN 時，此運算元可能會選擇一個非確定性演算法來提高效能。如果這不可取，你可以嘗試將操作設定為確定性的（可能以效能為代價），方法是設定 torch.backends.cudnn.deterministic = True。有關更多資訊，請參閱 可復現性。

引數

• input – 輸入張量，形狀為 $(\text{minibatch} , \text{in\_channels} , iW)$

• weight – 濾波器，形狀為 $(\text{in\_channels} , \frac{\text{out\_channels}}{\text{groups}} , kW)$

• bias – 可選的偏置，形狀為 $(\text{out\_channels})$。預設值：None

• stride – 卷積核的步長。可以是單個數字或元組 (sW,)。預設為：1

• padding – 將在輸入的每個維度的兩側新增 dilation * (kernel_size - 1) - padding 的零填充。可以是單個數字或元組 (padW,)。預設為：0

• output_padding – 在輸出形狀的每個維度的單側新增的額外大小。可以是單個數字或元組 (out_padW)。預設為：0

• groups – 將輸入分割成組，$\text{in\_channels}$ 必須能被組數整除。預設值：1

• dilation – 核心元素之間的間距。可以是單個數字或元組 (dW,)。預設為：1

示例

>>> inputs = torch.randn(20, 16, 50)
>>> weights = torch.randn(16, 33, 5)
>>> F.conv_transpose1d(inputs, weights)