► Keras 3 API 文件 / 層 API / 卷積層 / Conv2DTranspose 層

Conv2DTranspose 層

`Conv2DTranspose` 類別

keras.layers.Conv2DTranspose(
    filters,
    kernel_size,
    strides=(1, 1),
    padding="valid",
    data_format=None,
    dilation_rate=(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
)

2D 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轉換，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 或包含 1 個整數的 tuple/list，指定轉置卷積視窗的大小。
strides: int 或包含 1 個整數的 tuple/list，指定轉置卷積的步幅長度。strides > 1 與 dilation_rate > 1 不相容。
padding: string，可以是 "valid" 或 "same"（不區分大小寫）。"valid" 表示不填充。"same" 表示輸入均勻地向左/右或向上/向下填充。當 padding="same" 且 strides=1 時，輸出與輸入大小相同。
data_format: string，可以是 "channels_last" 或 "channels_first"。輸入中維度的順序。"channels_last" 對應於形狀為 (batch_size, height, width, channels) 的輸入，而 "channels_first" 對應於形狀為 (batch_size, channels, height, width) 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，則將為 "channels_last"。
dilation_rate: int 或包含 1 個整數的 tuple/list，指定用於膨脹轉置卷積的膨脹率。
activation: 激活函數。如果為 None，則不應用激活函數。
use_bias: bool，如果為 True，則會將偏差添加到輸出中。
kernel_initializer: 卷積核的初始化器。如果為 None，則會使用預設初始化器 ("glorot_uniform")。
bias_initializer: 偏差向量的初始化器。如果為 None，則會使用預設初始化器 ("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: 輸出的可選正規化器函數。
kernel_constraint: 可選的投影函數，在被 Optimizer 更新後應用於核心（例如，用於實現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，並且必須返回已投影的變數（該變數必須具有相同的形狀）。在執行非同步分散式訓練時，不建議使用約束。
bias_constraint: 可選的投影函數，在被 Optimizer 更新後應用於偏差。

輸入形狀

如果 data_format="channels_last"：形狀為 (batch_size, height, width, channels) 的 4D 張量
如果 data_format="channels_first"：形狀為 (batch_size, channels, height, width) 的 4D 張量

輸出形狀

如果 data_format="channels_last"：形狀為 (batch_size, new_height, new_width, filters) 的 4D 張量
如果 data_format="channels_first"：形狀為 (batch_size, filters, new_height, new_width) 的 4D 張量

回傳

表示 activation(conv2d_transpose(inputs, kernel) + bias) 的 4D 張量。

引發

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

參考文獻

範例

>>> x = np.random.rand(4, 10, 8, 128)
>>> y = keras.layers.Conv2DTranspose(32, 2, 2, activation='relu')(x)
>>> print(y.shape)
(4, 20, 16, 32)

Conv2DTranspose 層

Conv2DTranspose 類別

Conv2DTranspose 層

Conv2DTranspose 類別

`Conv2DTranspose` 類別