Conv2DTranspose¶
- class paddle.fluid.dygraph. Conv2DTranspose ( num_channels, num_filters, filter_size, output_size=None, padding=0, stride=1, dilation=1, groups=None, param_attr=None, bias_attr=None, use_cudnn=True, act=None, dtype='float32' ) [源代码] ¶
该接口用于构建 Conv2DTranspose
类的一个可调用对象,具体用法参照 代码示例
。其将在神经网络中构建一个二维卷积转置层(Convlution2D Transpose Layer),其根据输入(input)、滤波器参数(num_filters、filter_size)、步长(stride)、填充(padding)、膨胀系数(dilation)、组数(groups)来计算得到输出特征图。输入和输出是 NCHW
格式,N是批数据大小,C是特征图个数,H是特征图高度,W是特征图宽度。滤波器的维度是 [M, C, H, W] ,M是输入特征图个数,C是输出特征图个数,H是滤波器高度,W是滤波器宽度。如果组数大于1,C等于输入特征图个数除以组数的结果。如果提供了偏移属性和激活函数类型,卷积的结果会和偏移相加,激活函数会作用在最终结果上。转置卷积的计算过程相当于卷积的反向计算,转置卷积又被称为反卷积(但其实并不是真正的反卷积)。详情请参考:Conv2DTranspose 。
输入 X
和输出 Out
的函数关系如下:
- 其中:
-
\(X\):输入特征图,
NCHW
格式的Tensor
\(W\):滤波器,维度为 [M, C, H, W] 的
Tensor
\(*\):卷积操作
\(b\):偏移值,2-D
Tensor
,维度为[M,1]
\(\sigma\):激活函数
\(Out\):输出值,
Out
和X
的维度可能不同
输出维度计算示例
输入:
输入维度:\((N,C_{in},H_{in},W_{in})\)
滤波器维度:\((C_{in},C_{out},H_{f},W_{f})\)
输出:
输出维度:\((N,C_{out},H_{out},W_{out})\)
其中
参数¶
num_channels (int) - 输入图像的通道数。
num_filters (int) - 滤波器的个数,和输出特征图个数相同。
filter_size (int|tuple) - 滤波器大小。如果
filter_size
是一个元组,则必须包含两个整型数,分别表示滤波器高度和宽度。否则,表示滤波器高度和宽度均为filter_size
。output_size (int|tuple,可选) - 输出特征图的大小。如果
output_size
是一个元组,则必须包含两个整型数,分别表示特征图高度和宽度。如果output_size
是整型,表示特征图高度和宽度均为output_size
。如果output_size
为None,则会根据filter_size
、padding
和stride
来计算output_size
。如果output_size
和filter_size
同时指定,那么它们应满足上面的公式。默认值:None。padding (int|tuple,可选) - 填充大小。如果
padding
为元组,则必须包含两个整型数,分别表示竖直和水平边界填充大小。否则,表示竖直和水平边界填充大小均为padding
。默认值:0。stride (int|tuple,可选) - 步长大小。如果
stride
为元组,则必须包含两个整型数,分别表示垂直和水平滑动步长。否则,表示垂直和水平滑动步长均为stride
。默认值:1。dilation (int|tuple,可选) - 膨胀系数大小。如果
dialation
为元组,则必须包含两个整型数,分别表示垂直和水平膨胀系数。否则,表示垂直和水平膨胀系数均为dialation
。默认值:1。groups (int,可选) - 二维卷积层的组数。根据Alex Krizhevsky的深度卷积神经网络(CNN)论文中的分组卷积:当group=2,滤波器的前一半仅和输入特征图的前一半连接。滤波器的后一半仅和输入特征图的后一半连接。默认值:1。
param_attr (ParamAttr,可选) - 指定权重参数属性的对象。默认值为None,表示使用默认的权重参数属性。具体用法请参见 ParamAttr 。
bias_attr (ParamAttr|bool,可选) - 指定偏置参数属性的对象。默认值为None,表示使用默认的偏置参数属性。具体用法请参见 ParamAttr 。
use_cudnn (bool,可选) - 是否使用cudnn内核,只有已安装cudnn库时才有效。默认值:True。
act (str,可选) - 应用于输出上的激活函数,如tanh、softmax、sigmoid,relu等,支持列表请参考 激活函数,默认值:None。
dtype (str,可选) - 数据类型,可以为"float32"或"float64"。默认值:"float32"。
返回¶
无
代码示例¶
import paddle.fluid as fluid
import numpy as np
with fluid.dygraph.guard():
data = np.random.random((3, 32, 32, 5)).astype('float32')
conv2DTranspose = fluid.dygraph.nn.Conv2DTranspose(
num_channels=32, num_filters=2, filter_size=3)
ret = conv2DTranspose(fluid.dygraph.base.to_variable(data))