► Keras 3 API 文档 / 层 API / 卷积层 / Conv1DTranspose 层

Conv1DTranspose 层

`Conv1DTranspose` 类

keras.layers.Conv1DTranspose(
    filters,
    kernel_size,
    strides=1,
    padding="valid",
    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
)

一维转置卷积层。

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，同时保持与该卷积兼容的连接模式。

参数

filters: 整数，输出空间的维度（转置卷积中的过滤器数量）。
kernel_size: 整数或包含 1 个整数的元组/列表，指定转置卷积窗口的大小。
strides: 整数或包含 1 个整数的元组/列表，指定转置卷积的步长。strides > 1 与 dilation_rate > 1 不兼容。
padding: 字符串，"valid" 或 "same"（不区分大小写）。"valid" 表示不填充。"same" 会导致在输入的左侧/右侧或上下均匀填充，以便输出具有与输入相同的宽/高维度。
data_format: 字符串，"channels_last" 或 "channels_first"。输入中维度的顺序。"channels_last" 对应于形状为 (batch, steps, features) 的输入，而 "channels_first" 对应于形状为 (batch, features, steps) 的输入。它默认为在 Keras 配置文件 ~/.keras/keras.json 中找到的 image_data_format 值。如果您从未设置它，则它将为 "channels_last"。
dilation_rate: 整数或包含 1 个整数的元组/列表，指定用于膨胀转置卷积的膨胀率。
activation: 激活函数。如果为 None，则不应用激活函数。
use_bias: 布尔值，如果为 True，则将偏差添加到输出中。
kernel_initializer: 卷积核的初始化器。如果为 None，则将使用默认初始化器（"glorot_uniform"）。
bias_initializer: 偏差向量的初始化器。如果为 None，则将使用默认初始化器（"zeros"）。
kernel_regularizer: 卷积核的可选正则化器。
bias_regularizer: 偏差向量的可选正则化器。
activity_regularizer: 输出的可选正则化函数。
kernel_constraint: 由 Optimizer 更新后应用于内核的可选投影函数（例如，用于实现层权重的范数约束或值约束）。该函数必须将未投影变量作为输入，并且必须返回投影变量（必须具有相同的形状）。在进行异步分布式训练时，约束不安全。
bias_constraint: 由 Optimizer 更新后应用于偏差的可选投影函数。

输入形状

如果 data_format="channels_last"：形状为 (batch_shape, steps, channels) 的 3D 张量
如果 data_format="channels_first"：形状为 (batch_shape, channels, steps) 的 3D 张量

输出形状

如果 data_format="channels_last"：形状为 (batch_shape, new_steps, filters) 的 3D 张量
如果 data_format="channels_first"：形状为 (batch_shape, filters, new_steps) 的 3D 张量

返回值

表示 activation(conv1d_transpose(inputs, kernel) + bias) 的 3D 张量。

引发异常

ValueError: 当 strides > 1 和 dilation_rate > 1 同时存在时。

参考

示例

>>> x = np.random.rand(4, 10, 128)
>>> y = keras.layers.Conv1DTranspose(32, 3, 2, activation='relu')(x)
>>> print(y.shape)
(4, 21, 32)

Conv1DTranspose 层

Conv1DTranspose 类

Conv1DTranspose 层

Conv1DTranspose 类

`Conv1DTranspose` 类