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

Применяет оператор 3D транспонированной свёртки к входному изображению, состоящему из нескольких входных плоскостей, иногда также называемый «деконволюцией»

Этот оператор поддерживает TensorFloat32.

См. ConvTranspose3d для получения подробной информации и формы вывода.

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, вы можете попробовать сделать операцию детерминированной (возможно, за счет производительности), установив torch.backends.cudnn.deterministic = True. См. Воспроизводимость для получения дополнительной информации.

Параметры

• input – входной тензор формы $(\text{миникер} , \text{in\_channels} , iT , iH , iW)$
• weight – фильтры формы $(\text{in\_channels} , \frac{\text{out\_channels}}{\text{groups}} , kT , kH , kW)$
• bias – необязательный bias формы $(\text{out\_channels})$. По умолчанию: None
• stride – шаг сверточного ядра. Может быть одним числом или кортежем (sT, sH, sW). По умолчанию: 1
• padding – dilation * (kernel_size - 1) - padding будет добавлено нулевое заполнение по обеим сторонам каждого измерения ввода. Может быть одним числом или кортежем (padT, padH, padW). По умолчанию: 0
• output_padding – дополнительный размер, добавляемый к одной стороне каждого измерения в форме вывода. Может быть одним числом или кортежем (out_padT, out_padH, out_padW). По умолчанию: 0
• groups – разделяет вход на группы, $\text{in\_channels}$ должно быть делимо на количество 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)