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

对由多个输入平面组成的输入信号应用一维转置卷积运算符，有时也称为“反卷积”。

此运算符支持 TensorFloat32.

有关详细信息和输出形状，请参阅 ConvTranspose1d.

注意

在某些情况下，当给定 CUDA 设备上的张量并使用 CuDNN 时，此运算符可能会选择非确定性算法以提高性能。如果这是不可取的，您可以尝试通过设置 torch.backends.cudnn.deterministic = True 使运算确定性（可能会降低性能）。有关更多信息，请参阅 可重复性.

参数

• input – 形状为 $(\text{minibatch} , \text{in\_channels} , iW)$ 的输入张量

• weight – 形状为 $(\text{in\_channels} , \frac{\text{out\_channels}}{\text{groups}} , kW)$ 的滤波器

• bias – 形状为 $(\text{out\_channels})$ 的可选偏差。默认值：None

• stride – 卷积核的步幅。可以是单个数字或元组 (sW,)。默认值：1

• padding – dilation * (kernel_size - 1) - padding 零填充将添加到输入的每个维度的两侧。可以是单个数字或元组 (padW,)。默认值：0

• output_padding – 输出形状中每个维度的一侧添加的额外大小。可以是单个数字或元组 (out_padW)。默认值：0

• groups – 将输入分成组，$\text{in\_channels}$ 应该可以被组数整除。默认值：1

• dilation – 卷积核元素之间的间隔。可以是单个数字或元组 (dW,)。默认值：1

示例

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