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

將 1D 轉置卷積運算子應用於由多個輸入平面組成的輸入訊號，有時也稱為「反卷積」。

此運算子支援 TensorFloat32。

有關詳細資訊和輸出形狀，請參閱 ConvTranspose1d。

注意

在某些情況下，當在 CUDA 裝置上提供張量並使用 CuDNN 時，此運算子可能會選擇非確定性演算法來提高效能。如果這是不希望發生的情況，您可以嘗試透過設定 torch.backends.cudnn.deterministic = True 使操作具有確定性（可能會犧牲效能）。有關更多資訊，請參閱 再現性。

參數

• input – 形狀為 $(\text{minibatch} , \text{in\_channels} , iW)$ 的輸入張量

• weight – 形狀為 $(\text{in\_channels} , \frac{\text{out\_channels}}{\text{groups}} , kW)$ 的濾波器

• bias – 形狀為 $(\text{out\_channels})$ 的可選偏差。預設值：None

• stride – 卷積核心的步幅。可以是單個數字或元組 (sW,)。預設值：1

• padding – 將 dilation * (kernel_size - 1) - padding 零填充添加到輸入中每個維度的兩側。可以是單個數字或元組 (padW,)。預設值：0

• output_padding – 添加到輸出形狀中每個維度一側的額外大小。可以是單個數字或元組 (out_padW)。預設值：0

• groups – 將輸入分成多個組，$\text{in\_channels}$ 應可被組數整除。預設值：1

• dilation – 核心元素之間的間距。可以是單個數字或元組 (dW,)。預設值：1

範例

>>> inputs = torch.randn(20, 16, 50)
>>> weights = torch.randn(16, 33, 5)
>>> F.conv_transpose1d(inputs, weights)