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

在由多個輸入平面組成的輸入圖像上應用 2D 轉置卷積運算符，有時也稱為“反卷積”。

此運算符支援 TensorFloat32。

有關詳細資訊和輸出形狀，請參閱 ConvTranspose2d。

注意

在某些情況下，當在 CUDA 裝置上給定 tensors 並使用 CuDNN 時，此運算符可能會選擇一種非確定性演算法來提高效能。 如果不希望這樣，您可以嘗試透過設定 torch.backends.cudnn.deterministic = True 來使操作具有確定性（可能會以效能為代價）。 有關更多資訊，請參閱 再現性。

參數

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

• weight – 形狀為 $(\text{in\_channels} , \frac{\text{out\_channels}}{\text{groups}} , kH , kW)$ 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 (sH, sW)。預設值：1

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

• output_padding – 新增至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_padH, out_padW)。預設值：0

• groups – 將輸入拆分為群組，$\text{in\_channels}$ 應可被群組數整除。預設值：1

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

範例

>>> # 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)