► Keras 2 API 文档 / 层 API / 卷积层 / Conv2DTranspose 层

Conv2DTranspose 层

[源代码]

Conv2DTranspose 类

tf_keras.layers.Conv2DTranspose(
    filters,
    kernel_size,
    strides=(1, 1),
    padding="valid",
    output_padding=None,
    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
)

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，即从具有某种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 data_format="channels_last" 中的 128x128 RGB 图片，input_shape=(128, 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：整数或包含 2 个整数的元组/列表，指定二维卷积窗口的高度和宽度。可以是单个整数，以指定所有空间维度上的相同值。
  • strides：整数或包含 2 个整数的元组/列表，指定沿高度和宽度的卷积步长。可以是单个整数，以指定所有空间维度上的相同值。指定任何步长值 != 1 与指定任何 dilation_rate 值 != 1 不兼容。
  • padding："valid" 或 "same" 之一（不区分大小写）。"valid" 表示不填充。"same" 会导致在输入的左侧/右侧或上下方均匀地填充零，以使输出具有与输入相同的高度/宽度维度。
  • output_padding：整数或包含 2 个整数的元组/列表，指定输出张量的高度和宽度上的填充量。可以是单个整数，以指定所有空间维度上的相同值。沿给定维度的输出填充量必须低于沿相同维度的步长。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, height, width, channels) 的输入，而 channels_first 对应于形状为 (batch_size, channels, height, width) 的输入。如果未指定，则使用 Keras 配置文件 ~/.keras/keras.json（如果存在）中找到的 image_data_format 值，否则为 'channels_last'。默认为 "channels_last"。
  • dilation_rate：整数，指定膨胀卷积的所有空间维度的膨胀率。不支持为不同维度指定不同的膨胀率。目前，指定任何 dilation_rate 值 != 1 与指定任何步长值 != 1 不兼容。
  • activation：要使用的激活函数。如果您未指定任何内容，则不会应用任何激活（请参阅 keras.activations）。
  • use_bias：布尔值，指示层是否使用偏置向量。
  • kernel_initializer：kernel 权重矩阵的初始化器（请参阅 keras.initializers）。默认为 'glorot_uniform'。
  • bias_initializer：偏置向量的初始化器（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：应用于偏置向量的正则化函数（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：应用于偏置向量的约束函数（请参阅 keras.constraints）。

输入形状

如果 data_format='channels_first'，则为形状为 (batch_size, channels, rows, cols) 的 4D 张量；如果 data_format='channels_last'，则为形状为 (batch_size, rows, cols, channels) 的 4D 张量。

输出形状

如果 data_format='channels_first'，则为形状为 (batch_size, filters, new_rows, new_cols) 的 4D 张量；如果 data_format='channels_last'，则为形状为 (batch_size, new_rows, new_cols, filters) 的 4D 张量。由于填充，rows 和 cols 值可能已更改。如果指定了 output_padding

new_rows = ((rows - 1) * strides[0] + kernel_size[0] - 2 * padding[0] +
output_padding[0])
new_cols = ((cols - 1) * strides[1] + kernel_size[1] - 2 * padding[1] +
output_padding[1])

返回值

表示 activation(conv2dtranspose(inputs, kernel) + bias) 的秩为 4 的张量。

引发异常

  • ValueError：如果 padding 为 "causal"。
  • ValueError：当 strides > 1 和 dilation_rate > 1 时。

参考

Conv2DTranspose 层
Conv2DTranspose 类