ConvTranspose3d¶

class ConvTranspose3d(in_channels, out_channels, kernel_size, stride=1, padding=0, output_padding=0, dilation=1, groups=1, bias=True)[源代码]¶

在一个input tensor上使用3D转置卷积。

只支持 groups = 1 且 conv_mode = “cross_correlation” 的情况.

ConvTranspose3d 可以被视为 Conv3d operation 相对于input的梯度。

Convolution3D 通常会减小输入的大小，而transposed convolution3d 的工作方式相反，将较小的输入转换为较大的输出，同时保留连接模式。

参数

in_channels (int) – 输入数据中的通道数。
out_channels (int) – 输出数据中的通道数。
kernel_size (Union[int, Tuple[int, int, int]]) – 空间维度上的权重大小。如果kernel_size 是一个 int, 实际的kernel大小为 (kernel_size, kernel_size, kernel_size)。
stride (Union[int, Tuple[int, int, int]]) – 三维卷积运算中的步长。默认： 1
padding (Union[int, Tuple[int, int, int]]) – 输入数据空域维度两侧的填充（padding）大小。仅支持填充0值。默认：0
output_padding (Union[int, Tuple[int, int, int]]) – 输出的padding size，默认：0
dilation (Union[int, Tuple[int, int, int]]) – 三维卷积运算的扩张值(dilation)。默认： 1
groups (int) – 输入输出的通道被划分的组的数量, 以便执行 grouped convolution. 当 groups 不为 1, in_channels 和 out_channels 必须能被``groups``整除, 并且weight的shape应该是``(groups, in_channels // groups, out_channels // groups, depth, height, width)``. 默认值: 1
bias (bool) – 是否将偏置（bias）加入卷积的结果中。默认：True。

注解

weight 的shape通常是 (in_channels, out_channels, depth, height, width) .
bias 的shape通常是 (1, out_channels, *1)

ConvTranspose2d

LocalConv2d