快捷方式

ConvTranspose3d

class torch.nn.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)[源代码]

对由多个输入平面组成的输入图像应用 3D 转置卷积运算符。转置卷积运算符将每个输入值与一个可学习的核逐元素相乘,并对所有输入特征平面的输出进行求和。

此模块可以看作是 Conv3d 关于其输入的梯度。它也称为分数步长卷积或反卷积(尽管它不是真正的反卷积运算,因为它不计算卷积的真正逆运算)。有关更多信息,请参阅此处的可视化效果和反卷积网络论文。

此模块支持TensorFloat32

在某些 ROCm 设备上,当使用 float16 输入时,此模块将使用不同的精度进行反向传播。

  • stride 控制互相关的步长。

  • padding 控制两侧隐式零填充的数量,为 dilation * (kernel_size - 1) - padding 个点。有关详细信息,请参阅下面的注释。

  • output_padding 控制添加到输出形状一侧的额外大小。有关详细信息,请参阅下面的注释。

  • dilation 控制内核点之间的间距;也称为 à trous 算法。它很难描述,但此处的链接很好地展示了 dilation 的作用。

  • groups 控制输入和输出之间的连接。in_channelsout_channels 都必须可被 groups 整除。例如,

    • 在 groups=1 时,所有输入都与所有输出进行卷积。

    • 在 groups=2 时,操作等效于并排放置两个卷积层,每个层看到一半的输入通道并生成一半的输出通道,然后将两者连接起来。

    • 在 groups= in_channels 时,每个输入通道都与其自己的过滤器集(大小为out_channelsin_channels\frac{\text{out\_channels}}{\text{in\_channels}}) 进行卷积。

参数 kernel_sizestridepaddingoutput_padding 可以是

  • 单个 int – 在这种情况下,对深度、高度和宽度维度使用相同的值

  • 一个包含三个整数的元组 - 其中,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

padding参数实际上在输入的两侧添加了dilation * (kernel_size - 1) - padding数量的零填充。这样设置是为了当Conv3dConvTranspose3d用相同的参数初始化时,它们在输入和输出形状方面互为逆运算。但是,当stride > 1时,Conv3d会将多个输入形状映射到相同的输出形状。output_padding用于解决此歧义,方法是在输出形状的一侧有效地增加计算出的输出形状。请注意,output_padding仅用于查找输出形状,但实际上不会向输出添加零填充。

注意

在某些情况下,当在CUDA设备上使用张量并使用CuDNN时,此运算符可能会选择非确定性算法来提高性能。如果这是不可取的,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,请参阅可重复性

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 (inttuple) – 卷积核的大小

  • stride (inttuple可选) – 卷积的步长。默认值:1

  • padding (inttuple可选) – 将在输入每个维度的两侧添加dilation * (kernel_size - 1) - padding零填充。默认值:0

  • output_padding (inttuple可选) – 添加到输出形状每个维度一侧的额外大小。默认值:0

  • groups (int可选) – 从输入通道到输出通道的阻塞连接数。默认值:1

  • bias (bool可选) – 如果为True,则向输出添加可学习的偏置。默认值:True

  • dilation (inttuple可选) – 内核元素之间的间距。默认值:1

形状
  • 输入:(N,Cin,Din,Hin,Win)(N, C_{in}, D_{in}, H_{in}, W_{in})(Cin,Din,Hin,Win)(C_{in}, D_{in}, H_{in}, W_{in})

  • 输出: (N,Cout,Dout,Hout,Wout)(N, C_{out}, D_{out}, H_{out}, W_{out})(Cout,Dout,Hout,Wout)(C_{out}, D_{out}, H_{out}, W_{out}), 其中

Dout=(Din1)×stride[0]2×padding[0]+dilation[0]×(kernel_size[0]1)+output_padding[0]+1D_{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

Hout=(Hin1)×stride[1]2×padding[1]+dilation[1]×(kernel_size[1]1)+output_padding[1]+1H_{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
Wout=(Win1)×stride[2]2×padding[2]+dilation[2]×(kernel_size[2]1)+output_padding[2]+1W_{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 (in_channels,out_channelsgroups,(\text{in\_channels}, \frac{\text{out\_channels}}{\text{groups}}, kernel_size[0],kernel_size[1],kernel_size[2])\text{kernel\_size[0]}, \text{kernel\_size[1]}, \text{kernel\_size[2]}). 这些权重的值是从 U(k,k)\mathcal{U}(-\sqrt{k}, \sqrt{k}) 采样,其中 k=groupsCouti=02kernel_size[i]k = \frac{groups}{C_\text{out} * \prod_{i=0}^{2}\text{kernel\_size}[i]}

  • 偏置 (张量) – 模块的可学习偏置,形状为 (out_channels)。如果 biasTrue,则这些权重的值将从 U(k,k)\mathcal{U}(-\sqrt{k}, \sqrt{k}) 中采样,其中 k=groupsCouti=02kernel_size[i]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)

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取初学者和高级开发人员的深度教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源