本文简要介绍python语言中 torch.nn.functional.conv_transpose2d
的用法。
用法:
torch.nn.functional.conv_transpose2d(input, weight, bias=None, stride=1, padding=0, output_padding=0, groups=1, dilation=1) → Tensor
input-形状的输入张量
weight-形状过滤器
bias-形状 的可选偏差。默认值:无
stride-卷积核的步幅。可以是单个数字或元组
(sH, sW)
。默认值:1padding-
dilation * (kernel_size - 1) - padding
零填充将添加到输入中每个维度的两侧。可以是单个数字或元组(padH, padW)
。默认值:0output_padding-添加到输出形状中每个维度的一侧的附加大小。可以是单个数字或元组
(out_padH, out_padW)
。默认值:0groups-将输入分成组, 应该可以被组数整除。默认值:1
dilation-内核元素之间的间距。可以是单个数字或元组
(dH, dW)
。默认值:1
在由多个输入平面组成的输入图像上应用 2D 转置卷积算子,有时也称为 “deconvolution”。
该运算符支持 TensorFloat32。
有关详细信息和输出形状,请参见
ConvTranspose2d
。注意
在某些情况下,当在 CUDA 设备上给定张量并使用 CuDNN 时,此运算符可能会选择非确定性算法来提高性能。如果这是不可取的,您可以尝试通过设置
torch.backends.cudnn.deterministic = True
来使操作具有确定性(可能以性能为代价)。有关详细信息,请参阅重现性。例子:
>>> # 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)
参数:
相关用法
- Python PyTorch conv_transpose3d用法及代码示例
- Python PyTorch conv_transpose1d用法及代码示例
- Python PyTorch conv2d用法及代码示例
- Python PyTorch convert用法及代码示例
- Python PyTorch conv1d用法及代码示例
- Python PyTorch conv3d用法及代码示例
- Python PyTorch constant_用法及代码示例
- Python PyTorch context用法及代码示例
- Python PyTorch cond用法及代码示例
- Python PyTorch conj_physical用法及代码示例
- Python PyTorch conj用法及代码示例
- Python PyTorch column_stack用法及代码示例
- Python PyTorch cov用法及代码示例
- Python PyTorch cos用法及代码示例
- Python PyTorch compute_deltas用法及代码示例
- Python PyTorch combinations用法及代码示例
- Python PyTorch collect_all用法及代码示例
- Python PyTorch count_nonzero用法及代码示例
- Python PyTorch cosh用法及代码示例
- Python PyTorch cosine_similarity用法及代码示例
- Python PyTorch complex用法及代码示例
- Python PyTorch corrcoef用法及代码示例
- Python PyTorch copysign用法及代码示例
- Python PyTorch cholesky用法及代码示例
- Python PyTorch cumprod用法及代码示例
注:本文由纯净天空筛选整理自pytorch.org大神的英文原创作品 torch.nn.functional.conv_transpose2d。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。