► Keras 3 API 文件 / 層 API / 卷積層 / Conv1DTranspose 層

Conv1DTranspose 層

`Conv1DTranspose` 類別

keras.layers.Conv1DTranspose(
    filters,
    kernel_size,
    strides=1,
    padding="valid",
    data_format=None,
    dilation_rate=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
)

1D 轉置卷積層。

對轉置卷積的需求通常源於希望使用與正常卷積相反方向的轉換，即從具有某些卷積輸出的形狀轉換為具有其輸入形狀的某物，同時保持與所述卷積相容的連接模式。

參數

filters: int，輸出空間的維度（轉置卷積中的濾波器數量）。
kernel_size: int 或 1 個整數的元組/列表，指定轉置卷積視窗的大小。
strides: int 或 1 個整數的元組/列表，指定轉置卷積的步幅長度。strides > 1 與 dilation_rate > 1 不相容。
padding: 字串，"valid" 或 "same"（不區分大小寫）。"valid" 表示無填充。"same" 會均勻地填充輸入的左/右或上/下，使輸出具有與輸入相同的高度/寬度尺寸。
data_format: 字串，"channels_last" 或 "channels_first"。輸入中維度的順序。"channels_last" 對應於形狀為 (batch, steps, features) 的輸入，而 "channels_first" 對應於形狀為 (batch, features, steps) 的輸入。它預設為在您的 Keras 設定檔 ~/.keras/keras.json 中找到的 image_data_format 值。如果您從未設定它，則它將為 "channels_last"。
dilation_rate: int 或 1 個整數的元組/列表，指定用於擴張轉置卷積的擴張率。
activation: 激活函數。如果為 None，則不套用激活函數。
use_bias: bool，如果為 True，則會將偏差新增至輸出。
kernel_initializer: 卷積核的初始化器。如果為 None，將使用預設初始化器（"glorot_uniform"）。
bias_initializer: 偏差向量的初始化器。如果為 None，將使用預設初始化器（"zeros"）。
kernel_regularizer: 卷積核的可選正規化器。
bias_regularizer: 偏差向量的可選正規化器。
activity_regularizer: 輸出的可選正規化函數。
kernel_constraint: 可選的投影函數，在 Optimizer 更新後套用於核（例如，用於實作層權重的範數約束或值約束）。該函數必須將未投影的變數作為輸入，並且必須傳回投影的變數（必須具有相同的形狀）。當執行非同步分散式訓練時，約束是不安全的。
bias_constraint: 可選的投影函數，在 Optimizer 更新後套用於偏差。

輸入形狀

如果 data_format="channels_last"：一個 3D 張量，形狀為：(batch_shape, steps, channels)
如果 data_format="channels_first"：一個 3D 張量，形狀為：(batch_shape, channels, steps)

輸出形狀

如果 data_format="channels_last"：一個 3D 張量，形狀為：(batch_shape, new_steps, filters)
如果 data_format="channels_first"：一個 3D 張量，形狀為：(batch_shape, filters, new_steps)

一個 3D 張量，表示 activation(conv1d_transpose(inputs, kernel) + bias)。

引發

ValueError: 當 strides > 1 和 dilation_rate > 1 時。

參考文獻

範例

>>> x = np.random.rand(4, 10, 128)
>>> y = keras.layers.Conv1DTranspose(32, 3, 2, activation='relu')(x)
>>> print(y.shape)
(4, 21, 32)

Conv1DTranspose 層

Conv1DTranspose 類別

Conv1DTranspose 層

Conv1DTranspose 類別

`Conv1DTranspose` 類別