► Keras 3 API 文档 / Layers API / 卷积层 / Conv2DTranspose 层

Conv2DTranspose 层

`Conv2DTranspose` 类

keras.layers.Conv2DTranspose(
    filters,
    kernel_size,
    strides=(1, 1),
    padding="valid",
    output_padding=None,
    data_format=None,
    dilation_rate=(1, 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
)

2D 转置卷积层。

转置卷积通常是为了实现与普通卷积相反方向的变换，即从一个具有卷积输出形状的张量转换到具有卷积输入形状的张量，同时保持与该卷积兼容的连接模式。

参数

filters: int，输出空间的维度（转置卷积中的卷积核数量）。
kernel_size：int 或 1 个整数的元组/列表，指定转置卷积窗口的大小。
strides：int 或 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: string，可以是 "valid" 或 "same"（不区分大小写）。"valid" 表示不填充。"same" 会在输入的左/右或上/下均匀填充。当 padding="same" 且 strides=1 时，输出与输入大小相同。
output_padding: 一个整数或一个包含 2 个整数的元组/列表，指定输出张量在高度和宽度上的填充量。可以是单个整数，指定所有空间维度的相同值。给定维度上的输出填充量必须小于该维度上的步幅。如果设置为 None（默认），则推断输出形状。
data_format: string，可以是 "channels_last" 或 "channels_first"。输入中的维度顺序。"channels_last" 对应于形状为 (batch_size, height, width, channels) 的输入，而 "channels_first" 对应于形状为 (batch_size, channels, height, width) 的输入。它默认为 Keras 配置文件 ~/.keras/keras.json 中的 image_data_format 值。如果您从未设置它，则默认为 "channels_last"。dilation_rate: 一个整数或一个包含 2 个整数的元组/列表，指定了膨胀卷积所有空间维度的膨胀率。不支持为不同维度指定不同的膨胀率。目前，指定任何 dilation_rate 值不等于 1 的情况都与指定任何步幅值不等于 1 的情况不兼容。
activation：激活函数。如果为 None，则不应用激活。
use_bias：bool，如果为 True，则会将偏置添加到输出中。
kernel_initializer：卷积核的初始化器。如果为 None，将使用默认初始化器（"glorot_uniform"）。
bias_initializer：偏置向量的初始化器。如果为 None，将使用默认初始化器（"zeros"）。
kernel_regularizer：卷积核的可选正则化器。
bias_regularizer：偏置向量的可选正则化器。
activity_regularizer：输出的可选正则化函数。
kernel_constraint: 可选的投影函数，在卷积核被 Optimizer 更新后应用（例如，用于实现层权重的范数约束或值约束）。该函数必须以未投影的变量作为输入，并返回投影后的变量（其形状必须相同）。在进行异步分布式训练时，使用约束是不安全的。
bias_constraint：可选的投影函数，用于在 Optimizer 更新偏置后应用于偏置。

输入形状

如果 data_format="channels_last"：形状为 (batch_size, height, width, channels) 的 4D 张量
如果 data_format="channels_first"：形状为 (batch_size, channels, height, width) 的 4D 张量

输出形状

如果 data_format="channels_last"：形状为 (batch_size, new_height, new_width, filters) 的 4D 张量
如果 data_format="channels_first"：形状为 (batch_size, filters, new_height, new_width) 的 4D 张量

一个 4D 张量，表示 activation(conv2d_transpose(inputs, kernel) + bias)。

引发

ValueError：当 strides > 1 和 dilation_rate > 1 都存在时。

参考文献

示例

>>> x = np.random.rand(4, 10, 8, 128)
>>> y = keras.layers.Conv2DTranspose(32, 2, 2, activation='relu')(x)
>>> print(y.shape)
(4, 20, 16, 32)

Conv2DTranspose 层

Conv2DTranspose 类

Conv2DTranspose 层

Conv2DTranspose 类

`Conv2DTranspose` 类