torch.nn.functional.conv_transpose3d

torch.nn.functional.conv_transpose3d(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一个 3D 转置卷积算子，有时也称为“反卷积”

此算子支持 TensorFloat32。

有关详细信息和输出形状，请参阅 ConvTranspose3d。

注意

在某些情况下，当给定 CUDA 设备上的张量并使用 CuDNN 时，此算子可能会选择非确定性算法以提高性能。如果不需要这种行为，您可以通过设置 torch.backends.cudnn.deterministic = True 来尝试使操作具有确定性（可能会牺牲性能）。有关更多信息，请参阅可复现性。

参数

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

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

• bias – 可选的偏置，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 (sT, sH, sW)。默认值：1

• padding – 输入的每个维度两侧都将添加 dilation * (kernel_size - 1) - padding 零填充。可以是单个数字或元组 (padT, padH, 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_padT, out_padH, out_padW)。默认值：0

• groups – 将输入拆分为组，$\text{in\_channels}$ 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 (dT, dH, dW)。默认值：1

示例

>>> inputs = torch.randn(20, 16, 50, 10, 20)
>>> weights = torch.randn(16, 33, 3, 3, 3)
>>> F.conv_transpose3d(inputs, weights)