► Keras 2 API 文档 / 层 API / 卷积层 / Conv1DTranspose 层

Conv1DTranspose 层

[源代码]

Conv1DTranspose 类

tf_keras.layers.Conv1DTranspose(
    filters,
    kernel_size,
    strides=1,
    padding="valid",
    output_padding=None,
    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
)

转置卷积层（有时称为反卷积）。

转置卷积的需求通常源于希望使用与普通卷积相反方向的变换，即从具有某个卷积输出形状的事物到具有其输入形状的事物，同时保持与该卷积兼容的连接模式。

当在模型中将此层用作第一层时，请提供关键字参数 input_shape（整数元组或 None，不包括样本轴），例如，对于具有 128 个时间步长和 3 个通道的数据，input_shape=(128, 3)。

参数

  • filters：整数，输出空间的维度（即卷积中输出滤波器的数量）。
  • kernel_size：一个整数，表示一维卷积窗口的长度。
  • strides：一个整数，指定沿时间维度卷积的步长。指定步长值 != 1 与指定 dilation_rate 值 != 1 不兼容。默认为 1。
  • padding："valid" 或 "same" 之一（不区分大小写）。"valid" 表示不填充。"same" 会导致在输入的左右或上下均匀地填充零，使得输出具有与输入相同的高度/宽度维度。
  • output_padding：一个整数，指定输出张量沿时间维度的填充量。输出填充量必须小于步长。如果设置为 None（默认值），则推断输出形状。
  • data_format：字符串，channels_last（默认值）或 channels_first 之一。输入中维度的顺序。channels_last 对应于形状为 (batch_size, length, channels) 的输入，而 channels_first 对应于形状为 (batch_size, channels, length) 的输入。
  • dilation_rate：一个整数，指定用于膨胀卷积的膨胀率。目前，指定 dilation_rate 值 != 1 与指定步长值 != 1 不兼容。此外，目前不支持大于 1 的膨胀率。
  • activation：要使用的激活函数。如果未指定任何内容，则不应用任何激活函数（请参阅 keras.activations）。
  • use_bias：布尔值，指示层是否使用偏差向量。
  • kernel_initializer：kernel 权重矩阵的初始化器（请参阅 keras.initializers）。默认为 'glorot_uniform'。
  • bias_initializer：偏差向量的初始化器（请参阅 keras.initializers）。默认为 'zeros'。
  • kernel_regularizer：应用于 kernel 权重矩阵的正则化函数（请参阅 keras.regularizers）。
  • bias_regularizer：应用于偏差向量的正则化函数（请参阅 keras.regularizers）。
  • activity_regularizer：应用于层输出（其“激活”）的正则化函数（请参阅 keras.regularizers）。
  • kernel_constraint：应用于内核矩阵的约束函数（请参阅 keras.constraints）。
  • bias_constraint：应用于偏差向量的约束函数（请参阅 keras.constraints）。

输入形状

形状为 (batch_size, steps, channels) 的 3D 张量

输出形状

形状为 (batch_size, new_steps, filters) 的 3D 张量 如果指定了 output_padding

new_timesteps = ((timesteps - 1) * strides + kernel_size -
2 * padding + output_padding)

返回值

一个表示 activation(conv1dtranspose(inputs, kernel) + bias) 的秩为 3 的张量。

引发异常

  • ValueError：如果 padding 为 "causal"。
  • ValueError：当 strides > 1 和 dilation_rate > 1 同时存在时。

参考

Conv1DTranspose 层
Conv1DTranspose 类