TensorFlow函数:tf.layers.conv2d_transpose
2018-08-09 10:47 更新
tf.layers.conv2d_transpose函数
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
)
定义在:tensorflow/python/layers/convolutional.py
转置二维卷积层的功能接口.
对转置卷积的需要一般来自希望使用与正常卷积相反方向的变换,即从具有某种卷积输出形状的某物到具有其输入形状的物体,同时保持与所述卷积兼容的连接模式.
参数:
- inputs:输入张量.
- filters:整数,输出空间的维数(即卷积中的滤波器数).
- kernel_size:一个元组或2个正整数的列表,指定过滤器的空间维度;可以是单个整数,以指定所有空间维度的相同值.
- strides:一个元组或2个正整数的列表,指定卷积的步幅;可以是单个整数,以指定所有空间维度的相同值.
- padding:一个"valid"或"same"(不区分大小写).
- data_format:一个字符串,一个channels_last(默认)或channels_first;输入中维度的排序;channels_last对应于具有形状(batch, height, width, channels)的输入侧,而channels_first对应于具有形状(batch, channels, height, width)的输入侧.
- activation:激活功能,将其设置None为保持线性激活.
- use_bias:布尔值,表示该层是否使用偏差.
- kernel_initializer:卷积内核的初始化程序.
- bias_initializer:偏置向量的初始化器;如果为None,将使用默认初始值设定项.
- kernel_regularizer:卷积内核的可选正则化程序.
- bias_regularizer:偏置矢量的可选正则化程序.
- activity_regularizer:输出的可选正则化函数.
- kernel_constraint:由一个Optimizer更新后应用于内核的可选投影函数(例如,用于实现层权重的范数约束或值约束),该函数必须将未投影的变量作为输入,并且必须返回投影变量(必须具有相同的形状).在进行异步分布式培训时,使用约束是不安全的.
- bias_constraint:由一个Optimizer更新后应用于偏差的可选投影函数.
- trainable:布尔值,如果为True,还将变量添加到图产品集合GraphKeys.TRAINABLE_VARIABLES中.
- name:字符串,图层的名称.
- reuse:布尔值,是否以同一名称重用前一层的权重.
返回:
输出张量.
可能引发的异常:
- ValueError:如果启用了eager执行.