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應用一個 3D 轉置卷積運算元，有時也稱為“反捲積”

此運算元支援 TensorFloat32。

有關詳細資訊和輸出形狀，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，此運算元可能會選擇非確定性演算法以提高效能。如果不需要這種行為，您可以透過設定 torch.backends.cudnn.deterministic = True 來嘗試使操作具有確定性（可能會犧牲效能）。有關更多資訊，請參閱可復現性。

引數

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

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

• bias – 可選的偏置，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 (sT, sH, sW)。預設值：1

• padding – 輸入的每個維度兩側都將新增 dilation * (kernel_size - 1) - padding 零填充。可以是單個數字或元組 (padT, padH, padW)。預設值：0

• output_padding – 輸出形狀中每個維度的一側新增的額外大小。可以是單個數字或元組 (out_padT, out_padH, out_padW)。預設值：0

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

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

示例

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