mindspore.ops.Conv3DTranspose

class mindspore.ops.Conv3DTranspose(in_channel, out_channel, kernel_size, mode=1, stride=1, pad_mode='valid', pad=0, dilation=1, group=1, output_padding=0, data_format='NCDHW')

计算三维转置卷积，也称为反卷积（实际不是真正的反卷积）。

输入的shape通常为 \((N, C, D, H, W)\), 其中 \(N\) 为batch size，\(C\) 是空间维度，\(D\) 、 \(H\) 和 \(W\) 分别为特征层的深度、高度和宽度。

若 pad_mode 被设定为 “pad”，则输出的深度，高度和宽度被定义为：

\[ \begin{align}\begin{aligned}D_{out} = (D_{in} - 1) \times \text{stride}[0] - 2 \times \text{pad}[0] + \text{dilation}[0] \times (\text{kernel_size}[0] - 1) + \text{output_padding}[0] + 1\\H_{out} = (H_{in} - 1) \times \text{stride}[1] - 2 \times \text{pad}[1] + \text{dilation}[1] \times (\text{kernel_size}[1] - 1) + \text{output_padding}[1] + 1\\W_{out} = (W_{in} - 1) \times \text{stride}[2] - 2 \times \text{pad}[2] + \text{dilation}[2] \times (\text{kernel_size}[2] - 1) + \text{output_padding}[2] + 1\end{aligned}\end{align} \]

说明

在Ascend平台上，目前只支持 \(group=1\) 。

参数：

• in_channel (int) - 输入 dout 的通道数。

• out_channel (int) - 输入 weight 的通道数。

• kernel_size (Union[int, tuple[int]]) - 指定三维卷积核的深度、高度和宽度。数据类型为int或包含三个int值的Tuple。为int时表示卷积核的深度、高度和宽度均为该值。包含三个int值的Tuple分别表示卷积核的深度、高度和宽度。

• mode (int，可选) - 指定不同的卷积模式。此值目前未被使用。默认值： 1 。

• pad_mode (str，可选) - 指定填充模式，填充值为0。可选值为 "same" ， "valid" 或 "pad" 。默认值： "valid" 。

  • "same"：在输入的深度、高度和宽度维度进行填充，使得当 stride 为 1 时，输入和输出的shape一致。待填充的量由算子内部计算，若为偶数，则均匀地填充在四周，若为奇数，多余的填充量将补充在前方/底部/右侧。如果设置了此模式， pad 必须为0。

  • "valid"：不对输入进行填充，返回输出可能的最大深度、高度和宽度，不能构成一个完整stride的额外的像素将被丢弃。如果设置了此模式， pad 必须为0。

  • "pad"：对输入填充指定的量。在这种模式下，在输入的深度、高度和宽度方向上填充的量由 pad 参数指定。如果设置此模式， pad 必须大于或等于0。

• pad (Union(int, tuple[int])，可选) - 在输入各维度两侧填充的数量。如果 pad 是一个整数，则前部、后部、顶部，底部，左边和右边的填充都等于 pad 。如果 pad 是6个整数的Tuple，则前部、后部、顶部、底部、左边和右边的填充分别等于填充 pad[0] 、 pad[1] 、 pad[2] 、 pad[3] 、 pad[4] 和 pad[5] 。默认值： 0 。

• stride (Union(int, tuple[int])，可选) - 三维卷积核的移动步长。数据类型为整型或三个整型的Tuple。一个整数表示在深度、高度和宽度方向的移动步长均为该值。三个整数的Tuple分别表示在深度、高度和宽度方向的移动步长。默认值： 1 。

• dilation (Union(int, tuple[int])，可选) - 卷积核膨胀尺寸，指定应用卷积核的间隔。默认值： 1 。

• group (int，可选) - 将过滤器拆分的组数， in_channels 和 out_channels 必须可被 group 整除。默认值： 1 。

• output_padding (Union(int, tuple[int])，可选) - 为输出的各个维度添加额外长度。默认值： 0 。

• data_format (str，可选) - 支持的数据模式。目前仅支持 "NCDHW" 。默认值： "NCDHW" 。

输入：

• dout (Tensor) - 卷积操作的输出的梯度Tensor。shape： \((N, C_{in}, D_{out}, H_{out}, W_{out})\) 。目前数据类型仅支持float16和float32。

• weight (Tensor) - 若kernel shape为 \((K_d, K_h, K_w)\) ，则weight shape应为 \((C_{in}, C_{out}//group, K_d, K_h, K_w)\) ，其中 \(group\) 为算子参数。\(//\) 为整数除法操作。目前数据类型仅支持float16和float32。

• bias (Tensor) - shape为 \(C_{out}\) 的Tensor。目前仅支持 None 。默认值： None 。

输出：

卷积操作的输入的梯度Tensor，shape： \((N, C_{out}//group, D_{out}, H_{out}, W_{out})\) ，其中 \(group\) 为算子参数。

异常：

• TypeError - in_channel 、 out_channel 或 group 不是int。

• TypeError - kernel_size 、 stride 、 pad 、 dilation 或 output_padding 既不是int也不是Tuple。

• ValueError - in_channel 、 out_channel 、 kernel_size 、 stride 或 dilation 小于1。

• ValueError - pad 小于0。

• ValueError - pad_mode 取值非”same”、”valid”或”pad”。

• ValueError - pad 为长度不等于6的Tuple。

• ValueError - pad_mode 未设定为”pad”且 pad 不等于(0, 0, 0, 0, 0, 0)。

• ValueError - data_format 取值非”NCDHW”。

• TypeError - dout 或 weight 的数据类型不是float16。

• ValueError - bias 不为None。 dout 或 weight 的秩不为5。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> dout = Tensor(np.ones([32, 16, 10, 32, 32]), mindspore.float16)
>>> weight = Tensor(np.ones([16, 3, 4, 6, 2]), mindspore.float16)
>>> conv3d_transpose = ops.Conv3DTranspose(in_channel=16, out_channel=3, kernel_size=(4, 6, 2))
>>> output = conv3d_transpose(dout, weight)
>>> print(output.shape)
(32, 3, 13, 37, 33)