jax.lax.conv_transpose#

jax.lax.conv_transpose(lhs, rhs, strides, padding, rhs_dilation=None, dimension_numbers=None, transpose_kernel=False, precision=None, preferred_element_type=None)[原始碼]#

用於計算 N 維卷積「轉置」的便利包裝函式。

此函式直接計算分數步幅卷積，而不是間接計算前向卷積的梯度（轉置）。

參數:

  • lhs (Array) – 秩 n+2 維輸入陣列。

  • rhs (Array) – 秩 n+2 維核心權重陣列。

  • strides (Sequence[int]) – n 個整數的序列，設定分數步幅。

  • padding (str | Sequence[tuple[int, int]]) – ‘SAME’、‘VALID’ 將設定為對應前向卷積的轉置，或 n 個整數 2 元組的序列，描述每個 n 維空間維度的前填充和後填充。

  • rhs_dilation (Sequence[int] | None | None) – None，或 n 個整數的序列，給出要應用於 rhs 每個空間維度的擴張係數。 RHS 擴張也稱為 atrous 卷積。

  • dimension_numbers (ConvGeneralDilatedDimensionNumbers | None) – 維度描述符的元組，如 lax.conv_general_dilated 中所示。預設為 tensorflow 慣例。

  • transpose_kernel (bool) – 如果為 True，則翻轉空間軸並交換核心的輸入/輸出通道軸。這使得此函式的輸出與梯度衍生函式（如 keras.layers.Conv2DTranspose）應用於相同核心的結果相同。對於神經網路中的典型用途，這完全沒有意義，只會使輸入/輸出通道規格令人困惑。

  • precision (lax.PrecisionLike | None) – 選擇性。可以是 None，表示後端的預設精確度；Precision 列舉值 (Precision.DEFAULT、Precision.HIGH 或 Precision.HIGHEST)；或是兩個 Precision 列舉值的元組，表示 lhs` 和 rhs 的精確度。

  • preferred_element_type (DTypeLike | None | None) – 選擇性。可以是 None，表示輸入類型的預設累積類型；或是資料類型，表示將結果累積到該資料類型並傳回具有該資料類型的結果。

傳回:

轉置的 N 維卷積，輸出填充遵循 keras.layers.Conv2DTranspose 的慣例。

傳回類型:

Array