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

Применяет оператор 2D транспонированного свёртки к входному изображению, состоящему из нескольких входных плоскостей, иногда также называемому «деконволюцией».

Этот оператор поддерживает TensorFloat32.

См. ConvTranspose2d для получения подробной информации и формы выходных данных.

Примечание

В некоторых случаях, когда заданы тензоры на устройстве CUDA и используется CuDNN, этот оператор может выбрать недетерминированный алгоритм для повышения производительности. Если это нежелательно, можно попробовать сделать операцию детерминированной (возможно, с потерей производительности) путём установки torch.backends.cudnn.deterministic = True. Подробнее см. Воспроизводимость.

Параметры

• input – входной тензор формы $(\text{минипарт} , \text{in\_channels} , iH , iW)$
• weight – фильтры формы $(\text{in\_channels} , \frac{\text{out\_channels}}{\text{groups}} , kH , kW)$
• bias – необязательный смещение формы $(\text{out\_channels})$. По умолчанию: None
• stride – шаг свертывающего ядра. Может быть одним числом или кортежем (sH, sW). По умолчанию: 1
• padding – dilation * (kernel_size - 1) - padding нулевое заполнение будет добавлено к обеим сторонам каждой размерности на входе. Может быть одним числом или кортежем (padH, padW). По умолчанию: 0
• output_padding – дополнительный размер, добавляемый к одной стороне каждой размерности в форме выходных данных. Может быть одним числом или кортежем (out_padH, out_padW). По умолчанию: 0
• groups – разделить вход на группы, $\text{in\_channels}$ должно быть делимым на количество групп. По умолчанию: 1
• dilation – расстояние между элементами ядра. Может быть одним числом или кортежем (dH, dW). По умолчанию: 1

Примеры:

>>> # 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)