Conv3DTranspose
类keras.layers.Conv3DTranspose(
filters,
kernel_size,
strides=(1, 1, 1),
padding="valid",
data_format=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普通卷积方向相反的变换,即将某个具有某个卷积输出形状的内容转换回具有其输入形状的内容,同时保持与所述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"
表示在输入的左/右或上/下均匀填充。当 padding="same"
且 strides=1
时,输出与输入具有相同的大小。"channels_last"
或 "channels_first"
。输入的维度顺序。"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 Keras 配置文件 ~/.keras/keras.json
中找到的 image_data_format
值。如果你从未设置过,则默认为 "channels_last"
。None
,则不应用激活函数。True
,则会将 bias 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。Optimizer
更新后应用于 bias。输入形状
data_format="channels_last"
:形状为 (batch_size, spatial_dim1, spatial_dim2, spatial_dim3, channels)
的 5D 张量data_format="channels_first"
:形状为 (batch_size, channels, spatial_dim1, spatial_dim2, spatial_dim3)
的 5D 张量输出形状
data_format="channels_last"
:形状为 (batch_size, new_spatial_dim1, new_spatial_dim2, new_spatial_dim3, filters)
的 5D 张量data_format="channels_first"
:形状为 (batch_size, filters, new_spatial_dim1, new_spatial_dim2, new_spatial_dim3)
的 5D 张量返回值
一个 5D 张量,表示 activation(conv3d(inputs, kernel) + bias)
。
抛出异常
strides > 1
和 dilation_rate > 1
同时成立时。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)