► Keras 3 API 文件 / 層 API / 卷積層 / Conv3DTranspose 層

Conv3DTranspose 層

`Conv3DTranspose` 類別

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 轉置卷積層。

通常，對於轉置卷積的需求源自於希望使用與一般卷積相反方向的轉換，亦即，從具有某些卷積輸出形狀的事物轉換為具有其輸入形狀的事物，同時維持與所述卷積相容的連接模式。

參數

filters: int，輸出空間的維度（轉置卷積中濾波器的數量）。
kernel_size: int 或 tuple/list of 1 integer，指定轉置卷積視窗的大小。
strides: int 或 tuple/list of 1 integer，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" 表示不填充。"same" 會導致均勻填充到輸入的左/右或上/下。當 padding="same" 且 strides=1 時，輸出與輸入具有相同的大小。
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_size, spatial_dim1, spatial_dim2, spatial_dim3, channels) 的輸入，而 "channels_first" 對應於形狀為 (batch_size, channels, spatial_dim1, spatial_dim2, spatial_dim3) 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，那麼它將會是 "channels_last"。
dilation_rate: int 或 tuple/list of 1 integers，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，偏差將被添加到輸出。
kernel_initializer: 卷積核心的初始化器。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: 卷積核心的可選正規化器。
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: 可選投影函數，用於在核心被 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，並且必須返回投影的變數（必須具有相同的形狀）。當進行異步分散式訓練時，約束不安全使用。
bias_constraint: 可選投影函數，用於在偏差被 Optimizer 更新後應用於偏差。

輸入形狀

如果 data_format="channels_last"：5D 張量，形狀為：(batch_size, spatial_dim1, spatial_dim2, spatial_dim3, channels)
如果 data_format="channels_first"：5D 張量，形狀為：(batch_size, channels, spatial_dim1, spatial_dim2, spatial_dim3)

輸出形狀

如果 data_format="channels_last"：5D 張量，形狀為：(batch_size, new_spatial_dim1, new_spatial_dim2, new_spatial_dim3, filters)
如果 data_format="channels_first"：5D 張量，形狀為：(batch_size, filters, new_spatial_dim1, new_spatial_dim2, new_spatial_dim3)

一個 5D 張量，表示 activation(conv3d(inputs, kernel) + bias)。

拋出

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

參考文獻

範例

>>> 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 層

Conv3DTranspose 類別

Conv3DTranspose 層

Conv3DTranspose 類別

`Conv3DTranspose` 類別