快捷方式

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 (minibatch,in_channels,iW)(\text{minibatch} , \text{in\_channels} , iW) 的输入张量

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

  • bias – 形状为 (out_channels)(\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

  • paddingdilation * (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,in_channels\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)

文档

访问 PyTorch 的全面开发人员文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源