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

Conv2DTranspose 层

[源代码]

Conv2DTranspose

keras.layers.Conv2DTranspose(
    filters,
    kernel_size,
    strides=(1, 1),
    padding="valid",
    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
)

二维转置卷积层。

转置卷积的需求通常来自于使用与普通卷积方向相反的变换的愿望,即从某种具有某个卷积输出形状的内容转换到某种具有其输入形状的内容,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(转置卷积中的滤波器数量)。
  • kernel_size: int 或由 1 个整数组成的 tuple/list,指定转置卷积窗口的大小。
  • strides: int 或由 1 个整数组成的 tuple/list,指定转置卷积的步长。当 strides > 1 时,与 dilation_rate > 1 不兼容。
  • padding: string,可以是 "valid""same"(不区分大小写)。"valid" 表示无填充。"same" 会在输入的左/右或上/下均匀填充。当 padding="same"strides=1 时,输出与输入具有相同的大小。
  • data_format: string,可以是 "channels_last""channels_first"。输入中维度的顺序。"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 中找到的 image_data_format 值。如果您从未设置过,则默认为 "channels_last"
  • dilation_rate: int 或由 1 个整数组成的 tuple/list,指定用于空洞(扩张)转置卷积的扩张率。
  • activation: 激活函数。如果为 None,则不应用激活函数。
  • use_bias: bool,如果为 True,则会在输出中添加偏置项。
  • 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: 偏置向量的初始化器。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: 偏置向量的可选正则化器。
  • activity_regularizer: 输出的可选正则化函数。
  • kernel_constraint: 在由 Optimizer 更新后应用于卷积核的可选投影函数(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的变量作为输入,并必须返回投影后的变量(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: 在由 Optimizer 更新后应用于偏置项的可选投影函数。

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。

返回值

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

抛出异常

  • ValueError: 当 strides > 1dilation_rate > 1 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)