當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文

Python tf.keras.layers.Conv3DTranspose用法及代碼示例


轉置卷積層(有時稱為反卷積)。

繼承自：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
)

參數

  • filters 整數，輸出空間的維度(即卷積中輸出濾波器的數量)。
  • kernel_size 一個整數或 3 個整數的元組/列表，指定 3D 卷積窗口的深度、高度和寬度。可以是單個整數，為所有空間維度指定相同的值。
  • strides 一個整數或 3 個整數的元組/列表，指定卷積沿深度、高度和寬度的步幅。可以是單個整數，為所有空間維度指定相同的值。指定任何步幅值 != 1 與指定任何 dilation_rate 值 != 1 不兼容。
  • 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/下均勻填充零，以使輸出具有與輸入相同的高度/寬度尺寸。
  • output_padding 一個整數或 3 個整數的元組/列表，指定沿深度、高度和寬度的填充量。可以是單個整數，為所有空間維度指定相同的值。沿給定維度的輸出填充量必須小於沿同一維度的步幅。如果設置為None(默認)，則推斷輸出形狀。
  • 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_size, depth, height, width, channels) 的輸入，而 channels_first 對應於形狀為 (batch_size, channels, depth, height, width) 的輸入。它默認為您的 Keras 配置文件中的 image_data_format 值 ~/.keras/keras.json 。如果您從未設置它，那麽它將是"channels_last"。
  • dilation_rate 一個整數或 3 個整數的元組/列表，指定用於擴張卷積的擴張率。可以是單個整數，為所有空間維度指定相同的值。目前，指定任何 dilation_rate 值 != 1 與指定任何步幅值 != 1 不兼容。
  • activation 要使用的激活函數。如果您未指定任何內容，則不會應用激活(請參閱keras.activations)。
  • use_bias 布爾值，層是否使用偏置向量。
  • kernel_initializer kernel 權重矩陣的初始化程序(參見 keras.initializers )。默認為'glorot_uniform'。
  • bias_initializer 偏置向量的初始化程序(參見keras.initializers)。默認為'zeros'。
  • kernel_regularizer 應用於kernel 權重矩陣的正則化函數(參見keras.regularizers)。
  • bias_regularizer 應用於偏置向量的正則化函數(參見keras.regularizers)。
  • activity_regularizer 應用於層輸出的正則化函數(其"activation")(參見keras.regularizers)。
  • kernel_constraint 應用於核矩陣的約束函數(參見keras.constraints)。
  • bias_constraint 應用於偏置向量的約束函數(參見keras.constraints)。

返回

  • 代表 activation(conv3dtranspose(inputs, kernel) + bias) 的 5 階張量。

拋出

  • ValueError 如果padding 是"causal"。
  • ValueError 當 strides > 1 和 dilation_rate > 1 時。

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。

當將此層用作模型中的第一層時，請提供關鍵字參數 input_shape(整數元組或 None ，不包括樣本軸)，例如input_shape=(128, 128, 128, 3) 用於 128x128x128 體積，如果 data_format="channels_last" 則具有 3 個通道。

輸入形狀：

具有形狀的 5D 張量：(batch_size, channels, depth, rows, cols) if data_format='channels_first' 或具有形狀的 5D 張量：(batch_size, depth, rows, cols, channels) if data_format='channels_last'。

輸出形狀：

具有形狀的 5D 張量：(batch_size, filters, new_depth, new_rows, new_cols) if data_format='channels_first' 或具有形狀的 5D 張量：(batch_size, new_depth, new_rows, new_cols, filters) if data_format='channels_last'。 depth 和 rows 和 cols 值可能由於填充而發生變化。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])

參考：

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.keras.layers.Conv3DTranspose。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。