► Keras 3 API 文档 / 层 API / 卷积层 / Conv3DTranspose 层

Conv3DTranspose 层

`Conv3DTranspose` 类

keras.layers.Conv3DTranspose(
    filters,
    kernel_size,
    strides=(1, 1, 1),
    padding="valid",
    data_format=None,
    output_padding=None,
    dilation_rate=(1, 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
)

3D 转置卷积层。

转置卷积的需求通常源于希望使用与常规卷积相反方向的变换，即从具有某个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: int，输出空间的维度（转置卷积中的滤波器数量）。
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: 字符串，可以是 "valid" 或 "same"（不区分大小写）。"valid" 表示无填充。"same" 表示在输入的左/右或上/下进行均匀填充。当 padding="same" 和 strides=1 时，输出与输入大小相同。output_padding: 一个整数或 3 个整数的元组/列表，指定沿深度、高度和宽度的填充量。可以是单个整数，为所有空间维度指定相同的值。沿给定维度的输出填充量必须小于沿该相同维度的步幅。如果设置为 None（默认），则推断输出形状。
data_format: 字符串，可以是 "channels_last" 或 "channels_first"。输入中维度的顺序。"channels_last" 对应于形状为 (batch_size, spatial_dim1, spatial_dim2, spatial_dim3, channels) 的输入，而 "channels_first" 对应于形状为 (batch_size, channels, spatial_dim1, spatial_dim2, spatial_dim3) 的输入。它默认为您的 Keras 配置文件（位于 ~/.keras/keras.json）中找到的 image_data_format 值。如果您从未设置，则默认为 "channels_last"。
dilation_rate: 一个整数或 3 个整数的元组/列表，指定用于扩张卷积的扩张率。可以是单个整数，为所有空间维度指定相同的值。目前，指定任何 dilation_rate 值 != 1 与指定任何步幅值 != 1 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，将在核被 Optimizer 更新后应用（例如，用于实现层权重的范数约束或值约束）。该函数必须将未投影的变量作为输入，并且必须返回投影的变量（其形状必须相同）。在进行异步分布式训练时，约束不安全使用。
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, spatial_dim1, spatial_dim2, spatial_dim3, channels) 的 5D 张量
如果 data_format="channels_first": 形状为 (batch_size, channels, spatial_dim1, spatial_dim2, spatial_dim3) 的 5D 张量

输出形状

如果 data_format="channels_last"：5D 张量，形状为：(batch_size, new_spatial_dim1, new_spatial_dim2, new_spatial_dim3, filters)
如果 data_format="channels_first"：5D 张量，形状为：(batch_size, filters, new_spatial_dim1, new_spatial_dim2, new_spatial_dim3)

表示 activation(conv3d(inputs, kernel) + bias) 的 5D 张量。

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, 12, 128)
>>> y = keras.layers.Conv3DTranspose(32, 2, 2, activation='relu')(x)
>>> print(y.shape)
(4, 20, 16, 24, 32)

Conv3DTranspose 层

Conv3DTranspose 类

Conv3DTranspose 层

Conv3DTranspose 类

`Conv3DTranspose` 类