conv2d_transpose
注意:该API仅支持【静态图】模式
paddle.fluid.layers.
conv2d_transpose
(input, num_filters, output_size=None, filter_size=None, padding=0, stride=1, dilation=1, groups=None, param_attr=None, bias_attr=None, use_cudnn=True, act=None, name=None, data_format='NCHW')[源代码]
二维转置卷积层(Convlution2D transpose layer)
该层根据输入(input)、滤波器(filter)和卷积核膨胀比例(dilations)、步长(stride)、填充(padding)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NCHW或NHWC格式,其中N为批尺寸,C为通道数(channel),H为特征层高度,W为特征层宽度。滤波器是MCHW格式,M是输出图像通道数,C是输入图像通道数,H是滤波器高度,W是滤波器宽度。如果组数大于1,C等于输入图像通道数除以组数的结果。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)。欲了解转置卷积层细节,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
和输出 函数关系如下:
- 其中:
- : 输入,具有NCHW或NHWC格式的4-D Tensor
- : 滤波器,具有NCHW格式的4-D Tensor
- : 卷积计算(注意:转置卷积本质上的计算还是卷积)
-
: 偏置(bias),2-D Tensor,形状为
[M,1]
- : 激活函数
-
: 输出值,NCHW或NHWC格式的4-D Tensor, 和
X
的形状可能不同
示例
- 输入:
输入Tensor的形状:
滤波器的形状 :
- 输出:
输出Tensor的形状 :
其中
如果 padding
= "SAME":
如果 padding
= "VALID":
注意:
如果output_size为None,则
= , = ;否则,指定的output_size_height(输出特征层的高) 应当介于 和 之间(不包含 ), 并且指定的output_size_width(输出特征层的宽) 应当介于 和 之间(不包含 )。
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, conv2d_transpose
可以自动计算滤波器的大小。
- 参数:
- input (Variable)- 形状为 或 的4-D Tensor,N是批尺寸,C是通道数,H是特征高度,W是特征宽度。数据类型:float32或float64。
- num_filters (int) - 滤波器(卷积核)的个数,与输出图片的通道数相同。
- output_size (int|tuple,可选) - 输出图片的大小。如果output_size是一个元组,则必须包含两个整型数,(output_size_height,output_size_width)。如果output_size=None,则内部会使用filter_size、padding和stride来计算output_size。如果output_size和filter_size是同时指定的,那么它们应满足上面的公式。默认:None。output_size和filter_size不能同时为None。
- filter_size (int|tuple,可选) - 滤波器大小。如果filter_size是一个元组,则必须包含两个整型数,(filter_size_height, filter_size_width)。否则,filter_size_height = filter_size_width = filter_size。如果filter_size=None,则必须指定output_size,
conv2d_transpose
内部会根据output_size、padding和stride计算出滤波器大小。默认:None。output_size和filter_size不能同时为None。 - padding (int|list|tuple|str,可选) - 填充padding大小。padding参数在输入特征层每边添加
dilation * (kernel_size - 1) - padding
个0。如果它是一个字符串,可以是"VALID"或者"SAME",表示填充算法,计算细节可参考上述padding
= "SAME"或padding
= "VALID" 时的计算公式。如果它是一个元组或列表,它可以有3种格式:(1)包含4个二元组:当data_format
为"NCHW"时为 [[0,0], [0,0], [padding_height_top, padding_height_bottom], [padding_width_left, padding_width_right]],当data_format
为"NHWC"时为[[0,0], [padding_height_top, padding_height_bottom], [padding_width_left, padding_width_right], [0,0]];(2)包含4个整数值:[padding_height_top, padding_height_bottom, padding_width_left, padding_width_right];(3)包含2个整数值:[padding_height, padding_width],此时padding_height_top = padding_height_bottom = padding_height, padding_width_left = padding_width_right = padding_width。若为一个整数,padding_height = padding_width = padding。默认值:0。 - stride (int|tuple,可选) - 步长stride大小。滤波器和输入进行卷积计算时滑动的步长。如果stride是一个元组,则必须包含两个整型数,形式为(stride_height,stride_width)。否则,stride_height = stride_width = stride。默认:stride = 1。
- dilation (int|tuple,可选) - 膨胀比例(dilation)大小。空洞卷积时会指该参数,滤波器对输入进行卷积时,感受野里每相邻两个特征点之间的空洞信息,根据 可视化效果图 较好理解。如果膨胀比例dilation是一个元组,那么元组必须包含两个整型数,形式为(dilation_height, dilation_width)。否则,dilation_height = dilation_width = dilation。默认:dilation= 1。
- groups (int,可选) - 二维转置卷积层的组数。从Alex Krizhevsky的CNN Deep论文中的群卷积中受到启发,当group=2时,输入和滤波器分别根据通道数量平均分为两组,第一组滤波器和第一组输入进行卷积计算,第二组滤波器和第二组输入进行卷积计算。默认:group = 1。
- param_attr (ParamAttr,可选) :指定权重参数属性的对象。默认值为None,表示使用默认的权重参数属性。具体用法请参见 ParamAttr 。conv2d_transpose算子默认的权重初始化是Xavier。
- bias_attr (ParamAttr|False,可选)- 指定偏置参数属性的对象。默认值为None,表示使用默认的偏置参数属性。具体用法请参见 ParamAttr 。conv2d_transpose算子默认的偏置初始化是0.0。
- use_cudnn (bool,可选) - 是否使用cudnn内核,只有已安装cudnn库时才有效。默认:True。
- act (str,可选) - 激活函数类型,如果设置为None,则不使用激活函数。默认:None。
- name (str,可选) – 具体用法请参见 cn_api_guide_Name ,一般无需设置,默认值为None。
- data_format (str,可选) - 指定输入的数据格式,输出的数据格式将与输入保持一致,可以是"NCHW"和"NHWC"。N是批尺寸,C是通道数,H是特征高度,W是特征宽度。默认值:"NCHW"。
返回:4-D Tensor,数据类型与 input
一致。如果未指定激活层,则返回转置卷积计算的结果,如果指定激活层,则返回转置卷积和激活计算之后的最终结果。
返回类型:Variable
- 抛出异常:
ValueError
: 如果输入的shape、filter_size、stride、padding和groups不匹配,抛出ValueErrorValueError
- 如果data_format
既不是"NCHW"也不是"NHWC"。ValueError
- 如果padding
是字符串,既不是"SAME"也不是"VALID"。ValueError
- 如果padding
含有4个二元组,与批尺寸对应维度的值不为0或者与通道对应维度的值不为0。ValueError
- 如果output_size
和filter_size
同时为None。ShapeError
- 如果输入不是4-D Tensor。ShapeError
- 如果输入和滤波器的维度大小不相同。ShapeError
- 如果输入的维度大小与stride
之差不是2。
代码示例
- import paddle.fluid as fluid
- import numpy as np
- data = fluid.layers.data(name='data', shape=[3, 32, 32], dtype='float32')
- param_attr = fluid.ParamAttr(name='conv2d.weight', initializer=fluid.initializer.Xavier(uniform=False), learning_rate=0.001)
- res = fluid.layers.conv2d_transpose(input=data, num_filters=2, filter_size=3, act="relu", param_attr=param_attr)
- place = fluid.CPUPlace()
- exe = fluid.Executor(place)
- exe.run(fluid.default_startup_program())
- x = np.random.rand(1, 3, 32, 32).astype("float32")
- output = exe.run(feed={"data": x}, fetch_list=[res])
- print(output)