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

对由若干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，您可以通过设置 torch.backends.cudnn.deterministic = True 来尝试使操作具有确定性（可能以牺牲性能为代价）。 有关更多信息，请参阅 可复现性。

参数

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

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

• bias – 可选的偏置项，其形状为 $(\text{out\_channels})$。 默认值: None

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

• padding – dilation * (kernel_size - 1) - padding 个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 – 添加到输出形状中每个维度一侧的额外大小。 可以是单个数字或元组 (out_padW)。 默认值: 0

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

• dilation – 内核元素之间的间距。 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)