Conv2DTranspose
二维转置卷积层(Convlution2d transpose layer)
该层根据输入(input)、卷积核(kernel)和空洞大小(dilations)、步长(stride)、填充(padding)来计算输出特征层大小或者通过output_size指定输出特征层大小。输入(Input)和输出(Output)为NCHW或NHWC格式,其中N为批尺寸,C为通道数(channel),H为特征层高度,W为特征层宽度。卷积核是MCHW格式,M是输出图像通道数,C是输入图像通道数,H是卷积核高度,W是卷积核宽度。如果组数大于1,C等于输入图像通道数除以组数的结果。转置卷积的计算过程相当于卷积的反向计算。转置卷积又被称为反卷积(但其实并不是真正的反卷积)。欲了解转置卷积层细节,请参考下面的说明和 。如果参数bias_attr不为False, 转置卷积计算会添加偏置项。
输入
和输出
函数关系如下:
其中:
-
: 输入,具有NCHW或NHWC格式的4-D Tensor
-
: 卷积核,具有NCHW格式的4-D Tensor
-
: 卷积计算(注意:转置卷积本质上的计算还是卷积)
-
: 偏置(bias),2-D Tensor,形状为
[M,1]
-
: 激活函数
注意:
如果output_size为None,则
\=
,
\=
;否则,指定的output_size_height(输出特征层的高) HoutHout 应当介于 H′outHout′ 和 H′out+strides[0]Hout′+strides[0] 之间(不包含 H′out+strides[0]Hout′+strides[0] ), 并且指定的output_size_width(输出特征层的宽) WoutWout 应当介于 W′outWout′ 和 W′out+strides[1]Wout′+strides[1] 之间(不包含 W′out+strides[1]Wout′+strides[1] )。
由于转置卷积可以当成是卷积的反向计算,而根据卷积的输入输出计算公式来说,不同大小的输入特征层可能对应着相同大小的输出特征层,所以对应到转置卷积来说,固定大小的输入特征层对应的输出特征层大小并不唯一。
如果指定了output_size, conv2d_transpose
可以自动计算卷积核的大小。
参数:
in_channels (int) - 输入图像的通道数。
out_channels (int) - 卷积核的个数,和输出特征图通道数相同。
stride (int|tuple, 可选) - 步长大小。如果
stride
为元组或列表,则必须包含两个整型数,分别表示垂直和水平滑动步长。否则,表示垂直和水平滑动步长均为stride
。默认值:1。padding (int|tuple, 可选) - 填充大小。如果
padding
为元组或列表,则必须包含两个整型数,分别表示竖直和水平边界填充大小。否则,表示竖直和水平边界填充大小均为padding
。如果它是一个字符串,可以是”VALID”或者”SAME”,表示填充算法,计算细节可参考下方形状 = “SAME”或padding
= “VALID” 时的计算公式。默认值:0。output_padding (int|list|tuple, optional): 输出形状上一侧额外添加的大小. 默认值: 0.
groups (int, 可选) - 二维卷积层的组数。根据Alex Krizhevsky的深度卷积神经网络(CNN)论文中的分组卷积:当group=2,卷积核的前一半仅和输入特征图的前一半连接。卷积核的后一半仅和输入特征图的后一半连接。默认值:1。
weight_attr (ParamAttr, 可选) - 指定权重参数属性的对象。默认值为None,表示使用默认的权重参数属性。具体用法请参见 ParamAttr 。
bias_attr (ParamAttr|bool, 可选) - 指定偏置参数属性的对象。默认值为None,表示使用默认的偏置参数属性。具体用法请参见 。
data_format (str,可选) - 指定输入的数据格式,输出的数据格式将与输入保持一致,可以是”NCHW”和”NHWC”。N是批尺寸,C是通道数,H是特征高度,W是特征宽度。默认值:”NCHW”。
形状:
抛出异常:
ValueError
: 如果输入的shape、filter_size、stride、padding和groups不匹配,抛出ValueErrorValueError
- 如果data_format
既不是”NCHW”也不是”NHWC”。ValueError
- 如果 是字符串,既不是”SAME”也不是”VALID”。ValueError
- 如果padding
含有4个二元组,与批尺寸对应维度的值不为0或者与通道对应维度的值不为0。ValueError
- 如果output_size
和filter_size
同时为None。ShapeError
- 如果输入不是4-D Tensor。ShapeError
- 如果输入和卷积核的维度大小不相同。
代码示例