TensorFlow函數(shù)：tf.layers.conv2d_transpose

tf.layers.conv2d_transpose函數(shù)

tf.layers.conv2d_transpose(
    inputs,
    filters,
    kernel_size,
    strides=(1, 1),
    padding='valid',
    data_format='channels_last',
    activation=None,
    use_bias=True,
    kernel_initializer=None,
    bias_initializer=tf.zeros_initializer(),
    kernel_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    kernel_constraint=None,
    bias_constraint=None,
    trainable=True,
    name=None,
    reuse=None
)

定義在：tensorflow/python/layers/convolutional.py

轉(zhuǎn)置二維卷積層的功能接口.

對(duì)轉(zhuǎn)置卷積的需要一般來(lái)自希望使用與正常卷積相反方向的變換,即從具有某種卷積輸出形狀的某物到具有其輸入形狀的物體,同時(shí)保持與所述卷積兼容的連接模式.

參數(shù)：

• inputs：輸入張量.
• filters：整數(shù),輸出空間的維數(shù)(即卷積中的濾波器數(shù)).
• kernel_size：一個(gè)元組或2個(gè)正整數(shù)的列表,指定過(guò)濾器的空間維度；可以是單個(gè)整數(shù),以指定所有空間維度的相同值.
• strides：一個(gè)元組或2個(gè)正整數(shù)的列表,指定卷積的步幅；可以是單個(gè)整數(shù),以指定所有空間維度的相同值.
• padding：一個(gè)"valid"或"same"(不區(qū)分大小寫).
• data_format：一個(gè)字符串,一個(gè)channels_last(默認(rèn))或channels_first；輸入中維度的排序；channels_last對(duì)應(yīng)于具有形狀(batch, height, width, channels)的輸入側(cè),而channels_first對(duì)應(yīng)于具有形狀(batch, channels, height, width)的輸入側(cè).
• activation：激活功能,將其設(shè)置None為保持線性激活.
• use_bias：布爾值,表示該層是否使用偏差.
• kernel_initializer：卷積內(nèi)核的初始化程序.
• bias_initializer：偏置向量的初始化器；如果為None,將使用默認(rèn)初始值設(shè)定項(xiàng).
• kernel_regularizer：卷積內(nèi)核的可選正則化程序.
• bias_regularizer：偏置矢量的可選正則化程序.
• activity_regularizer：輸出的可選正則化函數(shù).
• kernel_constraint：由一個(gè)Optimizer更新后應(yīng)用于內(nèi)核的可選投影函數(shù)(例如,用于實(shí)現(xiàn)層權(quán)重的范數(shù)約束或值約束),該函數(shù)必須將未投影的變量作為輸入,并且必須返回投影變量(必須具有相同的形狀).在進(jìn)行異步分布式培訓(xùn)時(shí),使用約束是不安全的.
• bias_constraint：由一個(gè)Optimizer更新后應(yīng)用于偏差的可選投影函數(shù).
• trainable：布爾值,如果為True,還將變量添加到圖產(chǎn)品集合GraphKeys.TRAINABLE_VARIABLES中.
• name：字符串,圖層的名稱.
• reuse：布爾值,是否以同一名稱重用前一層的權(quán)重.

返回：

輸出張量.

可能引發(fā)的異常：

• ValueError：如果啟用了eager執(zhí)行.