torch.nn.functional.conv_transpose3d

torch.nn.functional.conv_transpose3d(input, weight, bias=None, stride=1, padding=0, output_padding=0, groups=1, dilation=1) → Tensor

在由多个输入平面组成的输入图像上应用 3D 转置卷积算子，有时也称为“反卷积”

此运算符支持 TensorFloat32。

详细信息和输出形状请见 ConvTranspose3d 。

注意

在某些情况下，当在 CUDA 设备上给定张量并使用 CuDNN 时，此运算符可能会选择非确定性算法以提高性能。如果这不可取，您可以尝试通过设置 torch.backends.cudnn.deterministic = True 来使操作确定性（可能以性能成本为代价）。有关更多信息，请参阅可重现性。

参数:

• input – 输入张量，形状为 $(\text{minibatch} , \text{in\_channels} , iT , iH , iW)$

• 重量 – 形状为 $(\text{in\_channels} , \frac{\text{out\_channels}}{\text{groups}} , kT , kH , kW)$ 的过滤器

• 偏置 – 可选的偏置，形状为 $(\text{out\_channels})$ 。默认：None

• 步长 – 卷积核的步长。可以是单个数字或元组 (sT, sH, sW) 。默认：1

• 填充 – dilation * (kernel_size - 1) - padding 将在输入的每个维度两侧添加零填充。可以是单个数字或元组 (padT, padH, padW) 。默认：0

• 输出填充 - 在输出形状的每个维度一侧添加的额外大小。可以是单个数字或一个元组 (out_padT, out_padH, out_padW) . 默认：0

• 分组 - 将输入分成组， $\text{in\_channels}$ 应该能被组数整除。默认：1

• 扩展率 - 卷积核元素之间的间距。可以是单个数字或一个元组 (dT, dH, dW)。默认：1

示例：

>>> inputs = torch.randn(20, 16, 50, 10, 20)
>>> weights = torch.randn(16, 33, 3, 3, 3)
>>> F.conv_transpose3d(inputs, weights)