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
)
1D 转置卷积层。
转置卷积的需求通常源于需要使用与普通卷积方向相反的变换,即将某种具有特定卷积输出形状的数据转换为某种具有其输入形状的数据,同时保持与该卷积兼容的连接模式。
参数
strides > 1
与 dilation_rate > 1
不兼容。"valid"
或 "same"
(不区分大小写)。"valid"
表示无填充。"same"
会在输入左/右均匀填充,使得输出在步长(steps)维度上的形状与输入相似(取决于步长和步长)。"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 Keras 配置文件 ~/.keras/keras.json
中的 image_data_format
值。如果您从未设置过,则默认为 "channels_last"
。None
,则不应用激活函数。True
,则将偏置项添加到输出中。None
,将使用默认初始化器 ("glorot_uniform"
)。None
,将使用默认初始化器 ("zeros"
)。Optimizer
更新后应用于卷积核(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的变量作为输入,并必须返回投影后的变量(必须具有相同的形状)。在执行异步分布式训练时,使用约束是不安全的。Optimizer
更新后应用于偏置项。输入形状
data_format="channels_last"
:形状为 (batch_shape, steps, channels)
的 3D 张量data_format="channels_first"
:形状为 (batch_shape, channels, steps)
的 3D 张量输出形状
data_format="channels_last"
:形状为 (batch_shape, new_steps, filters)
的 3D 张量data_format="channels_first"
:形状为 (batch_shape, filters, new_steps)
的 3D 张量返回
一个 3D 张量,表示 activation(conv1d_transpose(inputs, kernel) + bias)
。
抛出异常
strides > 1
和 dilation_rate > 1
同时成立时。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)