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

對由多個輸入平面組成的輸入影像套用 3D 轉置迴旋積運算子，有時也稱為「反迴旋積」

此運算子支援 TensorFloat32。

詳情和輸出形狀請參閱 ConvTranspose3d。

注意

在某些情況下，當給定 CUDA 裝置上的張量並使用 CuDNN 時，此運算子可能會選擇不具決定性的演算法來提高效能。 如果不希望這樣，您可以嘗試將操作設為具決定性（可能會犧牲效能），方法是設定 torch.backends.cudnn.deterministic = True。 有關更多資訊，請參閱 重現性 (Reproducibility)。

參數

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

• weight – 形狀為 $(\text{in\_channels} , \frac{\text{out\_channels}}{\text{groups}} , kT , kH , kW)$ 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。可以是單一數字或元組 (sT, 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。可以是單一數字或元組 (padT, 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。可以是單一數字或元組 (out_padT, out_padH, out_padW)。預設值：0

• groups – 將輸入分割成群組，$\text{in\_channels}$ 應可被群組數量整除。預設值：1

• dilation – 核心元素之間的間距。可以是單一數字或元組 (dT, dH, dW)。預設值：1

範例

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