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

對由多個輸入平面組成的輸入影像應用二維轉置卷積運算元，有時也稱為“反捲積”。

此運算元支援 TensorFloat32。

有關詳情和輸出形狀，請參見 ConvTranspose2d。

注意

在某些情況下，當輸入是 CUDA 裝置上的 Tensor 且使用 CuDNN 時，此運算元可能會選擇非確定性演算法以提高效能。如果不希望這樣，可以透過設定 torch.backends.cudnn.deterministic = True 來嘗試使操作具有確定性（這可能會犧牲一些效能）。更多資訊請參見 可復現性。

引數

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

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

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

• stride – 卷積核的步長。可以是一個單一數字或元組 (sH, sW)。預設值：1

• padding – 輸入的每個維度兩側會新增 dilation * (kernel_size - 1) - padding 的零填充。可以是一個單一數字或元組 (padH, padW)。預設值：0

• output_padding – 輸出形狀的每個維度的一側會額外增加的大小。可以是一個單一數字或元組 (out_padH, out_padW)。預設值：0

• groups – 將輸入拆分成組，$\text{in\_channels}$ 應能被組數整除。預設值：1

• dilation – 核元素之間的間距。可以是一個單一數字或元組 (dH, dW)。預設值：1

示例

>>> # 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)