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

對由多個輸入層組成的輸入影像應用二維轉置卷積運算元，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 ConvTranspose2d。

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 $(\text{minibatch} , \text{in\_channels} , iH , iW)$

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

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

• stride – 卷積核的步長。可以是單個數字或一個元組 (sH, sW)。預設值：1

• padding – 將會在輸入的每個維度兩側新增 dilation * (kernel_size - 1) - padding 的零填充。可以是單個數字或一個元組 (padH, padW)。預設值：0

• output_padding – 在輸出形狀的每個維度的一側新增的額外大小。可以是單個數字或一個元組 (out_padH, out_padW)。預設值：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 – 卷積核元素之間的間距。可以是單個數字或一個元組 (dH, dW)。預設值：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)