笔记关键词检索?

在所有笔记中搜索你感兴趣的关键词!

《TensorFlow深度学习算法原理与编程实战》

作者:蒋子阳


tf.layers.conv2d_transpose()

功能:2D反卷积

定义:

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
)

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.

评论 (0)

发布评论

你的邮箱地址不会被公开。请输入所有带 * 的信息。