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)

对由多个输入平面组成的输入图像应用三维转置卷积运算。转置卷积算子将每个输入值与可学习的核进行逐元素相乘，并对所有输入特征平面的输出进行求和。

此模块可视为 Conv3d 关于其输入的梯度。它也称为分数步长卷积（fractionally-strided convolution）或反卷积（deconvolution）（尽管它并非真正的反卷积操作，因为它不计算卷积的真逆）。更多信息请参见此处的可视化以及《Deconvolutional Networks》论文。

此模块支持 TensorFloat32。

在某些 ROCm 设备上，使用 float16 输入时，此模块在反向传播时将使用不同的精度。

• stride 控制互相关的步长。

• padding 控制输入的每个维度的两侧隐式零填充的数量，填充点数为 dilation * (kernel_size - 1) - padding。详见下方注意事项。

• output_padding 控制输出形状单侧增加的额外尺寸。详见下方注意事项。

• dilation 控制核点之间的间距；也称为 à trous 算法。这较难描述，但此处的链接对 dilation 的作用有很好的可视化说明。

• groups 控制输入与输出之间的连接。 in_channels 和 out_channels 都必须能被 groups 整除。例如，

  • 当 groups=1 时，所有输入都与所有输出进行卷积。

  • 当 groups=2 时，该操作等价于并行放置两个卷积层，每个层处理一半的输入通道并产生一半的输出通道，随后将两者拼接。

  • 当 groups= in_channels 时，每个输入通道都与其自身的滤波器组进行卷积（滤波器数量为 $\frac{\text{out\_channels}}{\text{in\_channels}}$）。

参数 kernel_size, stride, padding, output_padding 可以是

• 一个单独的 int 类型值 – 此时，深度、高度和宽度维度都使用相同的值

• 一个由三个 int 组成的 tuple – 此时，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 实际在输入的两侧各添加了 dilation * (kernel_size - 1) - padding 数量的零填充。这样设置是为了使 Conv3d 和 ConvTranspose3d 在使用相同参数初始化时，在输入和输出形状方面互为逆操作。然而，当 stride > 1 时，Conv3d 会将多个输入形状映射到同一个输出形状。 提供 output_padding 是为了通过有效增加计算出的输出形状单侧尺寸来解决这种歧义。请注意，output_padding 仅用于确定输出形状，并不会在输出上实际添加零填充。

注意

在某些情况下，当输入张量在 CUDA 设备上且使用 CuDNN 时，该算子可能会选择非确定性算法以提高性能。如果不需要这样，您可以尝试通过设置 torch.backends.cudnn.deterministic = True 来使操作具有确定性（可能会以性能为代价）。更多信息请参见可复现性。

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) – 卷积的步长。默认值：1

• padding (int 或 tuple, 可选) – 输入的每个维度的两侧将添加 dilation * (kernel_size - 1) - padding 数量的零填充。默认值：0

• output_padding (int 或 tuple, 可选) – 输出形状的每个维度单侧增加的额外尺寸。默认值：0

• groups (int, 可选) – 输入通道到输出通道的分组连接数。默认值：1

• bias (bool, 可选) – 如果为 True，则向输出添加一个可学习的偏置项。默认值：True

• dilation (int 或 tuple, 可选) – 核元素之间的间距。默认值：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 $(\text{in\_channels}, \frac{\text{out\_channels}}{\text{groups}},$ $\text{kernel\_size[0]}, \text{kernel\_size[1]}, \text{kernel\_size[2]})$。这些权重的值从中采样 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$，其中 $k = \frac{groups}{C_\text{out} * \prod_{i=0}^{2}\text{kernel\_size}[i]}$

• bias (Tensor) – 模块的可学习偏置，形状为 (out_channels)。如果 bias 为 True，则这些偏置的值从中采样 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$，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)