torch.conv_transpose3d

torch.conv_transpose3d(input, weight, bias=None, stride=1, padding=0, output_padding=0, groups=1, dilation=1) → Tensor

Применяет оператор трёхмерной транспонированной свёртки к входному изображению, состоящему из нескольких входных плоскостей; эту операцию иногда также называют «деконволюцией»

Этот оператор поддерживает TensorFloat32.

Подробную информацию и форму выходных данных см. в ConvTranspose3d.

Примечание

В некоторых случаях при работе с тензорами на устройстве CUDA и использовании CuDNN этот оператор может выбрать недетерминированный алгоритм для повышения производительности. Если это нежелательно, можно попытаться сделать операцию детерминированной (возможно, ценой снижения производительности), задав torch.backends.cudnn.deterministic = True. Дополнительную информацию см. в разделе Воспроизводимость.

Параметры:

• input – входной тензор формы $(\text{minibatch} , \text{in\_channels} , iT , iH , iW)$
• weight – фильтры формы $(\text{in\_channels} , \frac{\text{out\_channels}}{\text{groups}} , kT , kH , kW)$
• bias – необязательное смещение формы $(\text{out\_channels})$. По умолчанию: None
• stride – шаг свёрточного ядра. Может быть одним числом или кортежем (sT, sH, sW). По умолчанию: 1
• padding – dilation * (kernel_size - 1) - padding к обеим сторонам каждого измерения входных данных будет добавлено нулевое дополнение. Может быть одним числом или кортежем (padT, padH, padW). По умолчанию: 0
• output_padding – дополнительный размер, добавляемый с одной стороны каждого измерения выходной формы. Может быть одним числом или кортежем (out_padT, out_padH, out_padW). По умолчанию: 0
• groups – разбить входные данные на группы; $\text{in\_channels}$ должно делиться на число групп. По умолчанию: 1
• dilation – расстояние между элементами ядра. Может быть одним числом или кортежем (dT, dH, dW). По умолчанию: 1

Примеры:

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