TensorFlow函數(shù)：tf.nn.atrous_conv2d_transpose

tf.nn.atrous_conv2d_transpose函數(shù)

tf.nn.atrous_conv2d_transpose(
    value,
    filters,
    output_shape,
    rate,
    padding,
    name=None
)

定義在：tensorflow/python/ops/nn_ops.py.

請參閱指南：神經(jīng)網(wǎng)絡(luò)>卷積運算

atrous_conv2d的轉(zhuǎn)置.

在Deconvolutional Networks之后,此操作有時稱為“反卷積” ,但實際上是atrous_conv2d的轉(zhuǎn)置(漸變)而不是實際的反卷積.

參數(shù)：

• value：類型為float的4-D Tensor,它需要采用默認(rèn)NHWC格式,它的形狀是[batch, in_height, in_width, in_channels].
• filters：與value具有相同類型,并且形狀為[filter_height, filter_width, out_channels, in_channels]的4-D Tensor.filters' in_channels維度必須匹配value.Atrous卷積等效于具有有效高度filter_height + (filter_height - 1) * (rate - 1)和有效寬度filter_width + (filter_width - 1) * (rate - 1)的上采樣濾波器的標(biāo)準(zhǔn)卷積,通過在filters空間維度上沿著連續(xù)元素插入rate - 1零來產(chǎn)生.
• output_shape：表示反卷積操作的輸出形狀的1-D Tensor.
• rate：正的int32,我們在整個height和width維度上對輸入值進行采樣的步幅.等效地,我們通過在height和width維度上插入零來上采樣濾波器值的速率.在文獻中,相同的參數(shù)有時稱為input stride或dilation.
• padding：一個字符串,'VALID'或者'SAME'.填充算法.
• name：返回張量的可選名稱.

返回：

與value具有相同類型的Tensor.

可能引發(fā)的異常：

• ValueError：如果輸入/輸出深度與filters'shape不匹配,或者padding不是'VALID'或者'SAME',或者如果rate小于1,或者output_shape不是具有4個元素的張量.