极客教程Python Tensorflow – tf.keras.layer.Conv1DTranspose()函数
tf.keras.layer.Conv1DTranspose()函数用于在数据上应用转置的一维卷积操作，也被称为去卷积。
语法:
tf.keras.layers.Conv1DTranspose( filters, kernel_size, strides=1, padding=’valid’, output_padding=None, data_format=None, dilation_rate=1, activation=None, use_bias=True, kernel_initializer=’glorot_uniform’, bias_initializer=’zeros’, kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None, **kwargs)
输入形状：一个三维张量的形状：（batch_size，步骤，通道）。
输出形状：一个形状的三维张量：（batch_size, new_steps, filters）。
参数:
- filters（整数）:输出空间的维度（即卷积中输出滤波器的数量）。
- kernel_size（整数）:一维卷积窗口的整数长度。
- strides:沿着时间维度的卷积的步幅。
- padding（填充）。:填充模式。
- output_padding:
- data_format:数据格式。这指定了输入中各尺寸的顺序。 channels_last是默认值。
- dilation_rate:在每个维度上，用于扩张卷积的扩张率。它应该是一个整数。
- activation:该层的激活函数。
- use_bias（布尔值）:如果该层有一个偏置向量，或没有。True是默认值。
- kernel_initializer:卷积核权重矩阵的初始化器。
- bias_initializer:偏压向量的初始化器。
- kernel_regularizer:应用于内核权重矩阵的正则函数。
- bias_regularizer:应用于偏置向量的正则函数。
- activity_regularizer:应用于激活的正则函数。
- kernel_constraint:卷积核权重的约束条件。
- bias_constraint:偏差向量的约束。
返回：一个三维张量，代表激活（conv1dtranspose(inputs, kernel) + bias）。
示例 1:
import tensorflow as tf
tensor_shape=(4, 28, 1)
input_shape=tensor_shape[1:]
X=tf.random.normal(tensor_shape)
def model(input_shape):
X_input=tf.keras.layers.Input(shape=input_shape)
X_output=tf.keras.layers.Conv1DTranspose(filters=8,
kernel_size=4,
strides=2)(X_input)
model=tf.keras.models.Model(inputs=X_input,
outputs=X_output)
return model
model=model(input_shape)
Y=model.predict(X, steps=2)
print(Y.shape)
输出:
(4, 58, 8)
示例 2:
import tensorflow as tf
tensor_shape = (4, 4, 1)
input_shape = tensor_shape[1:]
X = tf.random.normal(tensor_shape)
def model(input_shape):
X_input = tf.keras.layers.Input(shape=input_shape)
X_output = tf.keras.layers.Conv1DTranspose(
filters=3, kernel_size=3, strides=1)(X_input)
model = tf.keras.models.Model(inputs=X_input, outputs=X_output)
return model
model = model(input_shape)
Y = model.predict(X, steps=2)
print(Y)
输出:
[[[-0.30124253 -0.36105427 -0.2042067 ]
[ 0.02215503 -0.02281483 0.06209912]
[ 0.00216722 -0.06402665 -0.45107672]
[ 0.61782545 0.6981941 0.5305761 ]
[ 0.38394764 0.49401727 -0.32046565]
[-0.72445303 -0.70179087 0.51991314]]
[[-0.21620852 -0.25913674 -0.14656372]
[-0.42101222 -0.5400373 -0.2516055 ]
[ 1.1399035 1.2468109 0.51620144]
[ 0.45842776 0.60374933 -0.43827266]
[-0.996245 -0.97118413 0.717214 ]
[ 0.03621851 0.03508553 -0.02599269]]
[[-0.23306094 -0.27933523 -0.15798767]
[ 0.22609143 0.23278703 0.18968783]
[ 0.2541324 0.2872892 -0.21050403]
[ 0.47528732 0.6270335 0.680698 ]
[ 0.05677184 0.1858277 -0.08888393]
[-0.7763872 -0.75210047 0.5571844 ]]
[[ 1.2402442 1.4864949 0.8407385 ]
[-0.580338 -0.49230838 -0.5872358 ]
[-1.7384369 -1.8894652 0.76116455]
[ 0.8071178 0.74401593 -0.37187982]
[ 0.41134852 0.42184594 -0.30380705]
[-0.13865426 -0.13431692 0.09950703]]]