Python tf.keras.layers.Conv3DTranspose用法及代码示例

转置卷积层(有时称为反卷积)。

继承自：Conv3D、Layer、Module

用法

tf.keras.layers.Conv3DTranspose(
    filters, kernel_size, strides=(1, 1, 1), padding='valid',
    output_padding=None, data_format=None, dilation_rate=(1, 1, 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 一个整数或 3 个整数的元组/列表，指定 3D 卷积窗口的深度、高度和宽度。可以是单个整数，为所有空间维度指定相同的值。
strides 一个整数或 3 个整数的元组/列表，指定卷积沿深度、高度和宽度的步幅。可以是单个整数，为所有空间维度指定相同的值。指定任何步幅值 != 1 与指定任何 dilation_rate 值 != 1 不兼容。
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 一个整数或 3 个整数的元组/列表，指定沿深度、高度和宽度的填充量。可以是单个整数，为所有空间维度指定相同的值。沿给定维度的输出填充量必须小于沿同一维度的步幅。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, depth, height, width, channels) 的输入，而 channels_first 对应于形状为 (batch_size, channels, depth, height, width) 的输入。它默认为您的 Keras 配置文件中的 image_data_format 值 ~/.keras/keras.json 。如果您从未设置它，那么它将是"channels_last"。
dilation_rate 一个整数或 3 个整数的元组/列表，指定用于扩张卷积的扩张率。可以是单个整数，为所有空间维度指定相同的值。目前，指定任何 dilation_rate 值 != 1 与指定任何步幅值 != 1 不兼容。
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)。

代表 activation(conv3dtranspose(inputs, kernel) + bias) 的 5 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, 128, 128, 3) 用于 128x128x128 体积，如果 data_format="channels_last" 则具有 3 个通道。

输入形状：

具有形状的 5D 张量：(batch_size, channels, depth, rows, cols) if data_format='channels_first' 或具有形状的 5D 张量：(batch_size, depth, rows, cols, channels) if data_format='channels_last'。

输出形状：

具有形状的 5D 张量：(batch_size, filters, new_depth, new_rows, new_cols) if data_format='channels_first' 或具有形状的 5D 张量：(batch_size, new_depth, new_rows, new_cols, filters) if data_format='channels_last'。 depth 和 rows 和 cols 值可能由于填充而发生变化。如果指定了output_padding::

new_depth = ((depth - 1) * strides[0] + kernel_size[0] - 2 * padding[0] +
output_padding[0])
new_rows = ((rows - 1) * strides[1] + kernel_size[1] - 2 * padding[1] +
output_padding[1])
new_cols = ((cols - 1) * strides[2] + kernel_size[2] - 2 * padding[2] +
output_padding[2])

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.Conv3DTranspose。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。

用法

参数

返回

抛出

输入形状：

输出形状：

参考：