当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

Python tf.keras.layers.Conv1DTranspose用法及代码示例


转置卷积层(有时称为反卷积)。

继承自：Conv1D、Layer、Module

用法

tf.keras.layers.Conv1DTranspose(
    filters, kernel_size, strides=1, padding='valid', output_padding=None,
    data_format=None, dilation_rate=1, activation=None, use_bias=True,
    kernel_initializer='glorot_uniform',
    bias_initializer='zeros', kernel_regularizer=None,
    bias_regularizer=None, activity_regularizer=None, kernel_constraint=None,
    bias_constraint=None, **kwargs
)

参数

  • filters 整数，输出空间的维度(即卷积中输出滤波器的数量)。
  • kernel_size 一维卷积窗口的整数长度。
  • strides 一个整数，指定卷积沿时间维度的步幅。指定步幅值 != 1 与指定 dilation_rate 值 != 1 不兼容。默认为 1。
  • padding "valid" 或 "same" 之一(不区分大小写)。 "valid" 表示没有填充。 "same" 导致在输入的左/右或上/下均匀填充零，以使输出具有与输入相同的高度/宽度尺寸。
  • output_padding 一个整数，指定沿输出张量的时间维度的填充量。输出填充量必须低于步幅。如果设置为None(默认)，则推断输出形状。
  • data_format 一个字符串，是 channels_last (默认)或 channels_first 之一。输入中维度的排序。 channels_last 对应于形状为 (batch_size, length, channels) 的输入，而 channels_first 对应于形状为 (batch_size, channels, length) 的输入。
  • dilation_rate 一个整数，指定用于扩张卷积的扩张率。目前，指定 dilation_rate 值 != 1 与指定步幅值 != 1 不兼容。此外，当前不支持大于 1 的膨胀率。
  • activation 要使用的激活函数。如果您未指定任何内容，则不会应用激活(请参阅keras.activations)。
  • use_bias 布尔值，层是否使用偏置向量。
  • kernel_initializer kernel 权重矩阵的初始化程序(参见 keras.initializers )。默认为'glorot_uniform'。
  • bias_initializer 偏置向量的初始化程序(参见keras.initializers)。默认为'zeros'。
  • kernel_regularizer 应用于kernel 权重矩阵的正则化函数(参见keras.regularizers)。
  • bias_regularizer 应用于偏置向量的正则化函数(参见keras.regularizers)。
  • activity_regularizer 应用于层输出的正则化函数(其"activation")(参见keras.regularizers)。
  • kernel_constraint 应用于核矩阵的约束函数(参见keras.constraints)。
  • bias_constraint 应用于偏置向量的约束函数(参见keras.constraints)。

返回

  • 代表 activation(conv1dtranspose(inputs, kernel) + bias) 的 3 阶张量。

抛出

  • ValueError 如果padding 是"causal"。
  • ValueError 当 strides > 1 和 dilation_rate > 1 时。

对转置卷积的需求通常源于希望使用与正常卷积相反方向的变换，即从具有某些卷积输出形状的东西到具有其输入形状的东西，同时保持与所述卷积兼容的连接模式。

当将此层用作模型中的第一层时，请提供关键字参数 input_shape(整数元组或 None ，不包括样本轴)，例如input_shape=(128, 3) 用于 128 个时间步长和 3 个通道的数据。

输入形状：

具有形状的 3D 张量：(batch_size, steps, channels)

输出形状：

具有形状的 3D 张量：(batch_size, new_steps, filters) 如果指定了 output_padding：

new_timesteps = ((timesteps - 1) * strides + kernel_size -
2 * padding + output_padding)

参考：

相关用法


注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.keras.layers.Conv1DTranspose。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。