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)[源代码]#

用于计算 N 维卷积“转置”的便捷封装。

此函数直接计算分数步幅卷积，而不是间接计算前向卷积的梯度（转置）。

参数:

  • lhs (Array) – 一个秩为 n+2 的输入数组。

  • rhs (Array) – 一个秩为 n+2 的核权重数组。

  • strides (Sequence[int]) – 包含 n 个整数的序列，设置分数步幅。

  • padding (str | Sequence[tuple[int, int]]) – ‘SAME’，‘VALID’ 将设置为相应前向卷积的转置，或者一个包含 n 个整数二元组的序列，描述每个 n 空间维度的前向和后向填充。

  • rhs_dilation (Sequence[int] | None | None) – None，或者一个包含 n 个整数的序列，给出应用于 rhs 的每个空间维度的膨胀因子。RHS 膨胀也称为空洞卷积。

  • dimension_numbers (ConvGeneralDilatedDimensionNumbers | None) – 维度描述符元组，如 lax.conv_general_dilated 中所示。默认为 tensorflow 约定。

  • transpose_kernel (bool) – 如果为 True，则翻转空间轴并交换核的输入/输出通道轴。这使得此函数的输出与应用于同一核的梯度派生函数（如 keras.layers.Conv2DTranspose）的输出相同。对于神经网络中的典型用法，这完全没有意义，只会使输入/输出通道规范混淆。

  • precision (lax.PrecisionLike | None) – 可选。可以是 None，表示后端的默认精度；也可以是 Precision 枚举值（Precision.DEFAULT、 Precision.HIGH 或 Precision.HIGHEST），或者是两个 Precision 枚举值的元组，指示 lhs` 和 rhs 的精度。

  • preferred_element_type (DTypeLike | None | None) – 可选。可以是 None，表示输入类型的默认累积类型；也可以是数据类型，指示将结果累积到该数据类型并返回具有该数据类型的结果。

返回值:

转置的 N 维卷积，其输出填充遵循 keras.layers.Conv2DTranspose 的约定。

返回类型:

Array