Python tf.compat.v1.layers.Conv2DTranspose用法及代碼示例

轉置的 2D 卷積層(有時稱為 2D 反卷積)。

繼承自：Conv2DTranspose、Conv2D、Layer、Layer、Module

用法

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
)

參數

filters 整數，輸出空間的維度(即卷積中的過濾器數量)。
kernel_size 指定過濾器的空間維度的 2 個正整數的元組或列表。可以是單個整數，為所有空間維度指定相同的值。
strides 指定卷積步長的 2 個正整數的元組或列表。可以是單個整數，為所有空間維度指定相同的值。
padding "valid" 或 "same" 之一(不區分大小寫)。 "valid" 表示沒有填充。 "same" 導致在輸入的左/右或上/下均勻填充，以使輸出具有與輸入相同的高度/寬度尺寸。
data_format 一個字符串，是 channels_last (默認)或 channels_first 之一。輸入中維度的排序。 channels_last 對應於形狀為 (batch, height, width, channels) 的輸入，而 channels_first 對應於形狀為 (batch, channels, height, width) 的輸入。
activation 激活函數。將其設置為 None 以保持線性激活。
use_bias 布爾值，圖層是否使用偏差。
kernel_initializer 卷積核的初始化器。
bias_initializer 偏置向量的初始化器。如果沒有，將使用默認初始化程序。
kernel_regularizer 卷積核的可選正則化器。
bias_regularizer 偏置向量的可選正則化器。
activity_regularizer 輸出的可選正則化函數。
kernel_constraint 由Optimizer 更新後應用於內核的可選投影函數(例如，用於實現層權重的範數約束或值約束)。該函數必須將未投影變量作為輸入，並且必須返回投影變量(必須具有相同的形狀)。在進行異步分布式訓練時使用約束是不安全的。
bias_constraint 由 Optimizer 更新後應用於偏差的可選投影函數。
trainable 布爾值，如果 True 還將變量添加到圖形集合 GraphKeys.TRAINABLE_VARIABLES(請參見 tf.Variable )。
name 一個字符串，圖層的名稱。

屬性

graph
scope_name

遷移到 TF2

警告：這個 API 是為 TensorFlow v1 設計的。繼續閱讀有關如何從該 API 遷移到本機 TensorFlow v2 等效項的詳細信息。見TensorFlow v1 到 TensorFlow v2 遷移指南有關如何遷移其餘代碼的說明。

此 API 是一個遺留 api，僅與 Eager Execution 和 tf.function 兼容，如果您將其與 tf.compat.v1.keras.utils.track_tf1_style_variables 結合使用

請參閱遷移指南的 tf.layers 模型映射部分，了解如何在 TF2 中將 TensorFlow v1 模型與 Keras 一起使用。

對應的 TensorFlow v2 層是 tf.keras.layers.Conv2DTranspose 。

到原生 TF2 的結構映射

支持的參數均未更改名稱。

前：

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

後：

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

對轉置卷積的需求通常源於希望使用與正常卷積相反方向的變換，即從具有某些卷積輸出形狀的東西到具有其輸入形狀的東西，同時保持與所述卷積兼容的連接模式。

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.compat.v1.layers.Conv2DTranspose。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。