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
dilation_rate
值 != 1 不兼容。默认为 1
。"valid"
或 "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。None
(默认),则推断输出形状。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
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。keras.activations
)。kernel
权重矩阵的初始化器(参见 keras.initializers
)。默认为 'glorot_uniform'。keras.initializers
)。默认为 'zeros'。kernel
权重矩阵的正则化函数(参见 keras.regularizers
)。keras.regularizers
)。keras.regularizers
)。keras.constraints
)。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
padding
为 "causal"。strides
> 1 且 dilation_rate
> 1 时。参考