Conv1DTranspose 层

[源代码]

Conv1DTranspose 类

tf_keras.layers.Conv1DTranspose(
    filters,
    kernel_size,
    strides=1,
    padding="valid",
    output_padding=None,
    data_format=None,
    dilation_rate=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
)

转置卷积层（有时称为反卷积）。

转置卷积的需求通常源于希望使用与正常卷积相反方向的变换，即从具有某些卷积输出形状的东西变换到具有其输入形状的东西，同时保持与该卷积兼容的连接模式。

当使用此层作为模型的第一个层时，请提供关键字参数 input_shape（整数或 None 的元组，不包括样本轴），例如，对于具有 128 个时间步长和 3 个通道的数据，使用 input_shape=(128, 3)。

参数

• filters：整数，输出空间的维度（即卷积中的输出滤波器数量）。
• kernel_size：1D 卷积窗口的整数长度。
• strides：一个整数，指定卷积在时间维度上的步幅。指定步幅值 != 1 与指定 dilation_rate 值 != 1 不兼容。默认为 1。
• padding："valid" 或 "same" 之一（不区分大小写）。"valid" 表示不进行填充。"same" 会在输入的左/右或上/下均匀地填充零，从而使输出具有与输入相同的宽度/高度维度。
• output_padding：一个整数，指定输出张量在时间维度上的填充量。输出填充量必须小于步幅。如果设置为 None（默认），则推断输出形状。
• data_format：一个字符串，值为 channels_last（默认）或 channels_first。输入的维度顺序。channels_last 对应于形状为 (batch_size, length, channels) 的输入，而 channels_first 对应于形状为 (batch_size, channels, length) 的输入。
• dilation_rate：一个整数，指定用于空洞卷积的膨胀率。目前，指定 dilation_rate 值 != 1 与指定步幅值 != 1 不兼容。此外，大于 1 的膨胀率目前不受支持。
• activation：要使用的激活函数。如果您不指定任何内容，则不应用激活（请参阅 keras.activations）。
• use_bias：布尔值，表示该层是否使用偏置向量。
• kernel_initializer：kernel 权重矩阵的初始化器（请参阅 keras.initializers）。默认为 'glorot_uniform'。
• bias_initializer：偏置向量的初始化器（请参阅 keras.initializers）。默认为 'zeros'。
• kernel_regularizer：应用于 kernel 权重矩阵的正则化函数（请参阅 keras.regularizers）。
• bias_regularizer：应用于偏置向量的正则化函数（请参阅 keras.regularizers）。
• activity_regularizer：应用于层输出（其“激活”）的正则化函数（请参阅 keras.regularizers）。
• kernel_constraint：应用于核矩阵的约束函数（请参阅 keras.constraints）。
• bias_constraint：应用于偏置向量的约束函数（请参阅 keras.constraints）。

输入形状

形状为 (batch_size, steps, channels) 的 3D 张量

输出形状

形状为 (batch_size, new_steps, filters) 的 3D 张量。如果指定了 output_padding。

new_timesteps = ((timesteps - 1) * strides + kernel_size -
2 * padding + output_padding)

返回

一个秩为 3 的张量，表示 activation(conv1dtranspose(inputs, kernel) + bias)。

引发

• ValueError：如果 padding 为 "causal"。 （"因果"）
• ValueError：当 strides > 1 且 dilation_rate > 1 时。

参考文献

• 深度学习中的卷积运算指南
  • 反卷积网络