tf.compat.v1.layers.Conv2DTranspose

Транспонированный слой 2D свёртки (иногда называемый 2D Деконволюцией).

Наследуется от: Conv2DTranspose, Conv2D, Layer, Layer, Module

tf.compat.v1.layers.Conv2DTranspose(
    filters,
    kernel_size,
    strides=(1, 1),
    padding='valid',
    data_format='channels_last',
    activation=None,
    use_bias=True,
    kernel_initializer=None,
    bias_initializer=tf.compat.v1.zeros_initializer(),
    kernel_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    kernel_constraint=None,
    bias_constraint=None,
    trainable=True,
    name=None,
    **kwargs
)

Переход к TF2

Этот API является устаревшим API, совместимым только с выполнением в режиме eager и tf.function, если вы объединяете его с tf.compat.v1.keras.utils.track_tf1_style_variables

Обратитесь к разделу сопоставления моделей tf.layers в руководстве по миграции, чтобы узнать, как использовать вашу модель TensorFlow v1 в TF2 с Keras.

Соответствующий слой TensorFlow v2 — tf.keras.layers.Conv2DTranspose.

Структурное отображение на чистый TF2

Ни одно из поддерживаемых аргументов не изменило своё имя.

До:

conv = tf.compat.v1.layers.Conv2DTranspose(filters=3, kernel_size=3)

После:

conv = tf.keras.layers.Conv2DTranspose(filters=3, kernels_size=3)

Описание

Необходимость в транспонированных свёртках обычно возникает из-за стремления использовать преобразование, идущее в обратном направлении обычной свёртки, т.е. от формы, соответствующей результату некоторой свёртки, к форме её входных данных, сохраняя при этом структуру связей, совместимую с указанной свёрткой.

Аргументы
`filters`	Целое число, размерность выходного пространства (т.е. количество фильтров в свёртке).
`kernel_size`	Кортеж или список из 2 положительных целых чисел, определяющих пространственные размеры фильтров. Может быть одним целым числом, чтобы указать одинаковое значение для всех пространственных измерений.
`strides`	Кортеж или список из 2 положительных целых чисел, определяющих шаги свёртки. Может быть одним целым числом, чтобы указать одинаковое значение для всех пространственных измерений.
`padding`	одно из `"valid"` или `"same"` (регистр не учитывается). `"valid"` означает отсутствие заполнения. `"same"` приводит к равномерному дополнению слева/справа или сверху/снизу входных данных таким образом, чтобы выходная высота/ширина была такой же, как у входных данных.
`data_format`	Строка, одно из значений `channels_last` (по умолчанию) или `channels_first`. Порядок измерений во входных данных. `channels_last` соответствует входным данным с формой `(batch, height, width, channels)`, а `channels_first` соответствует входным данным с формой `(batch, channels, height, width)`.
`activation`	Функция активации. Установите её в None, чтобы сохранить линейную активацию.
`use_bias`	Логическое значение, использует ли слой смещение.
`kernel_initializer`	Инициализатор для ядра свёртки.
`bias_initializer`	Инициализатор для вектора смещения. Если None, будет использован инициализатор по умолчанию.
`kernel_regularizer`	Необязательный регуляризатор для ядра свёртки.
`bias_regularizer`	Необязательный регуляризатор для вектора смещения.
`activity_regularizer`	Необязательная функция регуляризации для выхода.
`kernel_constraint`	Необязательная функция проекции, применяемая к ядру после обновления операцией `Optimizer` (например, используется для реализации ограничений по норме или значениям для весов слоя). Функция должна принимать в качестве входных данных непроектируемую переменную и возвращать спроектированную переменную (которая должна иметь ту же форму). Ограничения не безопасны для использования при асинхронном распределённом обучении.
`bias_constraint`	Необязательная функция проекции, применяемая к смещению после обновления операцией `Optimizer`.
`trainable`	Логическое значение, если `True` также добавляет переменные в коллекцию графов `GraphKeys.TRAINABLE_VARIABLES` (см. `tf.Variable`).
`name`	Строка, имя слоя.

Атрибуты
`graph`
`scope_name`

Методы

`apply`

Просмотр исходного кода

apply(
    *args, **kwargs
)

`convolution_op`

Просмотр исходного кода

convolution_op(
    inputs, kernel
)

`get_losses_for`

Просмотр исходного кода

get_losses_for(
    inputs
)

Возвращает потери, относящиеся к определённому набору входных данных.

Аргументы
`inputs`	Входной тензор или список/кортеж входных тензоров.

Возвращает
Список тензоров потерь слоя, зависящих от `inputs`.

`get_updates_for`

Просмотр исходного кода

get_updates_for(
    inputs
)

Возвращает обновления, относящиеся к определённому набору входных данных.

Аргументы
`inputs`	Входной тензор или список/кортеж входных тензоров.

Возвращает
Список операций обновления слоя, зависящих от `inputs`.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/compat/v1/layers/Conv2DTranspose