torch.nn.functional.conv_transpose2d

torch.nn.functional.conv_transpose2d(input, weight, bias=None, stride=1, padding=0, output_padding=0, groups=1, dilation=1) → Tensor

对由几个输入平面组成的输入图像应用 2D 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 ConvTranspose2d。

注意

在某些情况下，当在 CUDA 设备上给定张量并使用 CuDNN 时，此运算符可能会选择非确定性算法以提高性能。如果这是不希望的，您可以尝试通过设置 torch.backends.cudnn.deterministic = True 使操作具有确定性（可能以性能为代价）。有关更多信息，请参阅 可重复性。

参数

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

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

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

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

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

• groups – 将输入拆分为组，$\text{in\_channels}$ 应可被组数整除。默认值：1

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

示例

>>> # With square kernels and equal stride
>>> inputs = torch.randn(1, 4, 5, 5)
>>> weights = torch.randn(4, 8, 3, 3)
>>> F.conv_transpose2d(inputs, weights, padding=1)