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

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

• bias – 形状为 $(\text{out\_channels})$ 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，$\text{in\_channels}$ 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)