Conv3DTranspose¶

class paddle.fluid.dygraph. Conv3DTranspose ( num_channels, num_filters, filter_size, output_size=None, padding=0, stride=1, dilation=1, groups=None, param_attr=None, bias_attr=None, use_cudnn=True, act=None, name=None, dtype='float32' ) [源代码] ¶

该接口用于构建 Conv3DTranspose 类的一个可调用对象，具体用法参照 代码示例 。3D卷积转置层（Convlution3D transpose layer)根据输入（input）、滤波器（filter）和卷积核膨胀（dilations）、步长（stride）、填充来计算输出特征层大小或者通过output_size指定输出特征层大小。输入(Input)和输出(Output)为NCDHW格式。其中 N 为batch大小，C 为通道数（channel）, D 为特征深度，H 为特征高度，W 为特征宽度。转置卷积的计算过程相当于卷积的反向计算。转置卷积又被称为反卷积（但其实并不是真正的反卷积）。欲了解卷积转置层细节，请参考下面的说明和 参考文献_。如果参数bias_attr不为False，转置卷积计算会添加偏置项。如果act不为None，则转置卷积计算之后添加相应的激活函数。

输入 \(X\) 和输出 \(Out\) 函数关系如下：

其中：

• \(X\)：输入图像，具有NCDHW格式的张量（Tensor）

• \(W\)：滤波器，具有NCDHW格式的张量（Tensor）

• \(*\)：卷积操作（注意：转置卷积本质上的计算还是卷积）

• \(b\)：偏置(bias)，维度为 \([M,1]\) 的2D Tensor

• \(σ\)：激活函数

• \(Out\)：输出值，Out 和 X 的 shape可能不一样

样例

输入：

输入Tensor的维度：\([N,C_{in}, D_{in}, H_{in}, W_{in}]\)

滤波器Tensor的维度：\([C_{in}, C_{out}, D_f, H_f, W_f]\)

输出：

输出Tensor的维度：\([N,C_{out}, D_{out}, H_{out}, W_{out}]\)

其中：

注意 :

如果output_size为None，则 \(D_{out}\) = \(D^\prime_{out}\) , \(H_{out}\) = \(H^\prime_{out}\) , \(W_{out}\) = \(W^\prime_{out}\)；否则，指定的output_size_depth（输出特征层的深度） \(D_{out}\) 应当介于 \(D^\prime_{out}\) 和 \(D^\prime_{out} + strides[0]\) 之间（不包含 \(D^\prime_{out} + strides[0]\) ），指定的output_size_height（输出特征层的高） \(H_{out}\) 应当介于 \(H^\prime_{out}\) 和 \(H^\prime_{out} + strides[1]\) 之间（不包含 \(H^\prime_{out} + strides[1]\) ），并且指定的output_size_width（输出特征层的宽） \(W_{out}\) 应当介于 \(W^\prime_{out}\) 和 \(W^\prime_{out} + strides[2]\) 之间（不包含 \(W^\prime_{out} + strides[2]\) ）。

由于转置卷积可以当成是卷积的反向计算，而根据卷积的输入输出计算公式来说，不同大小的输入特征层可能对应着相同大小的输出特征层，所以对应到转置卷积来说，固定大小的输入特征层对应的输出特征层大小并不唯一。

如果指定了output_size，其可以自动计算滤波器的大小。

import paddle.fluid as fluid
import numpy

with fluid.dygraph.guard():
    data = numpy.random.random((5, 3, 12, 32, 32)).astype('float32')

    conv3dTranspose = fluid.dygraph.nn.Conv3DTranspose(
           'Conv3DTranspose',
           num_filters=12,
           filter_size=12,
           use_cudnn=False)
    ret = conv3dTranspose(fluid.dygraph.base.to_variable(data))