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

對由若干輸入平面組成的輸入訊號應用一維轉置卷積運算子，有時也稱為“反捲積”。

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，當給定 CUDA 裝置上的張量並使用 CuDNN 時，此運算子可能會選擇非確定性演算法以提高效能。 如果這是不可取的，您可以透過設定 torch.backends.cudnn.deterministic = True 來嘗試使操作具有確定性（可能以犧牲效能為代價）。 有關更多資訊，請參閱 可復現性。

引數

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

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

• bias – 可選的偏置項，其形狀為 $(\text{out\_channels})$。 預設值: None

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

• padding – dilation * (kernel_size - 1) - padding 個零填充將新增到輸入的每個維度的兩側。 可以是單個數字或元組 (padW,)。 預設值: 0

• output_padding – 新增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 – 將輸入分成組，$\text{in\_channels}$ 應該能被組數整除。 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

示例

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