Keras 2 API 文档 / 层 API / 卷积层 / Conv1DTranspose 层

Conv1DTranspose 层

[source]

Conv1DTranspose

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普通卷积相反方向的变换,即从具有某种卷积输出形状的事物转换为具有其输入形状的事物,同时保持与所述卷积兼容的连接模式。

当将此层用作模型中的第一层时,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 个时间步和 3 个通道的数据,可使用 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:整数,1D 卷积窗口的长度。
  • strides:整数,指定沿时间维度的卷积步长。指定步长值 != 1 与指定 dilation_rate 值 != 1 不兼容。默认为 1
  • padding"valid""same" 之一(不区分大小写)。"valid" 表示无填充。"same" 表示在输入的左/右均匀地填充零,使得输出在应用步长为 1 时具有与输入相同的长度。
  • output_padding:整数,指定输出张量沿时间维度的填充量。输出填充量必须小于步长。如果设置为 None(默认),则推断输出形状。
  • data_format:字符串,channels_last(默认)或 channels_first 之一。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:整数,指定用于空洞卷积的空洞率。目前,指定 dilation_rate 值 != 1 与指定步长值 != 1 不兼容。此外,目前不支持大于 1 的空洞率。
  • activation:要使用的激活函数。如果未指定任何内容,则不应用激活(参见 keras.activations)。
  • use_bias:布尔值,层是否使用偏置向量。
  • kernel_initializerkernel 权重矩阵的初始化器(参见 keras.initializers)。默认为 'glorot_uniform'。
  • bias_initializer:偏置向量的初始化器(参见 keras.initializers)。默认为 'zeros'。
  • kernel_regularizer:应用于 kernel 权重矩阵的正则化函数(参见 keras.regularizers)。
  • bias_regularizer:应用于偏置向量的正则化函数(参见 keras.regularizers)。
  • activity_regularizer:应用于层输出(其“激活”)的正则化函数(参见 keras.regularizers)。
  • kernel_constraint:应用于核矩阵的约束函数(参见 keras.constraints)。
  • bias_constraint:应用于偏置向量的约束函数(参见 keras.constraints)。

输入形状

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

输出形状

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

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

返回值

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

抛出

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

参考