► 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,
    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

filters: int，输出空间的维度（转置卷积中的滤波器数量）。
kernel_size: int 或包含 1 个整数的 tuple/list，指定转置卷积窗口的大小。
strides: int 或包含 1 个整数的 tuple/list，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。
data_format: string，可以是 "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"。
dilation_rate: int 或包含 1 个整数的 tuple/list，指定用于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，则会将 bias 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: bias 向量的初始化器。如果为 None，将使用默认初始化器 ("zeros")。
kernel_regularizer: 可选的卷积核正则化器。
bias_regularizer: 可选的 bias 向量正则化器。
activity_regularizer: 可选的输出正则化函数。
kernel_constraint: 可选的投影函数，用于在被 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。
bias_constraint: 可选的投影函数，用于在被 Optimizer 更新后应用于 bias。

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"：形状为 (batch_size, new_spatial_dim1, new_spatial_dim2, new_spatial_dim3, filters) 的 5D 张量
如果 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

ValueError: 当 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)

Conv3DTranspose 层

Conv3DTranspose 类

Conv3DTranspose 层

Conv3DTranspose 类

`Conv3DTranspose` 类