Conv3DTranspose

    三维转置卷积层（Convlution3d transpose layer)

    该层根据输入（input）、卷积核（kernel）和卷积核空洞大小（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NCDHW或者NDHWC格式。其中N为批尺寸，C为通道数（channel），D为特征深度，H为特征层高度，W为特征层宽度。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）。欲了解卷积转置层细节，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

    Conv3DTranspose - 图1

    函数关系如下：

    其中：

    • Conv3DTranspose - 图2

      : 输入，具有NCDHW或NDHWC格式的5-D Tensor

    • : 卷积核，具有NCDHW格式的5-D Tensor

    • Conv3DTranspose - 图3

      : 卷积操作（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]

    • Conv3DTranspose - 图4

      : 激活函数

    注意：

    如果output_size为None，则

    Conv3DTranspose - 图5

    \=

    ,

    Conv3DTranspose - 图6

    \=

    ;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， 该算子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，和输出特征图个数相同。

    • stride (int|tuple, 可选) - 步长大小。如果 stride 为元组或列表，则必须包含三个整型数，分别表示深度，垂直和水平滑动步长。否则，表示深度，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，则必须包含三个整型数，分别表示深度，竖直和水平边界填充大小。否则，表示深度，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 padding = “SAME”或 = “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：”NCDHW”。

    形状:

    抛出异常:

    • ValueError : 如果输入的shape、kernel_size、stride、padding和groups不匹配，抛出ValueError

    • ValueError - 如果 data_format 既不是”NCHW”也不是”NHWC”。

    • ValueError - 如果 padding 是字符串，既不是”SAME”也不是”VALID”。

    • - 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