快捷方式

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

对由多个输入平面组成的输入图像应用二维转置卷积运算符,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 ConvTranspose2d

注意

在某些情况下,当在 CUDA 设备上给出张量并使用 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 使操作确定性(可能会以性能为代价)。有关更多信息,请参阅 可重复性

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

  • weight – 形状为 (in_channels,out_channelsgroups,kH,kW)(\text{in\_channels} , \frac{\text{out\_channels}}{\text{groups}} , kH , kW) 的过滤器

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

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

  • padding – 输入每个维度两侧将添加 dilation * (kernel_size - 1) - padding 零填充。可以是单个数字或元组 (padH, padW)。默认值:0

  • output_padding – 输出形状每个维度一侧添加的额外大小。可以是单个数字或元组 (out_padH, out_padW)。默认值:0

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

  • dilation – 卷积核元素之间的间距。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)

文档

访问 PyTorch 的全面开发者文档

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