TensorFlow函数:tf.layers.Conv2DTranspose

由 Carrie 创建, 最后一次修改 2018-07-11

tf.layers.Conv2DTranspose函数

Conv2DTranspose类

继承自: Conv2D

定义在:tensorflow/python/layers/convolutional.py

转置的2D卷积层(有时称为2D卷积)。

对转置卷积的需求通常源于希望使用在正常卷积的相反方向上进行的变换,即,从具有某些卷积输出形状的某种东西到具有其输入形状的某些东西,同时保持与所述卷积兼容的连接模式。

参数:

  • 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:可以是一个"valid"或"same"(不区分大小写)。
  • data_format:一个字符串,可以是一个channels_last(默认)或channels_first,表示输入中维度的顺序。channels_last对应于具有形状(batch, height, width, channels)的输入,而channels_first对应于具有形状(batch, channels, height, width)的输入。
  • activation:激活功能,将其设置为“None”以保持线性激活。
  • use_bias:Boolean,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器。
  • bias_regularizer:偏置矢量的可选正则化器。
  • activity_regularizer:输出的可选正则化函数。
  • kernel_constraint:由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Optimizer更新后应用于偏差的可选投影函数。
  • trainable:Boolean,如果为True,还将变量添加到图集合GraphKeys.TRAINABLE_VARIABLES中(请参阅参考资料tf.Variable)。
  • name:字符串,图层的名称。

属性

  • activity_regularizer

    可选的正则化函数用于该层的输出。

  • dtype
  • graph
  • input

    检索图层的输入张量。

    仅适用于图层只有一个输入的情况,即它是否连接到一个输入图层。

    返回:

    输入张量或输入张量列表。

    可能引发的异常:

    • AttributeError:如果图层连接到多个输入图层。
    • RuntimeError:如果在Eager模式下调用。
    • AttributeError:如果未找到入站节点。
  • input_shape

    检索图层的输入形状。

    仅适用于图层只有一个输入,即它是否连接到一个输入层,或者所有输入具有相同形状的情况。

    返回:

    输入形状,作为整数形状元组(或形状元组列表,每个输入张量一个元组)。

    可能引发的异常:

    • AttributeError:如果图层没有定义的input_shape。
    • RuntimeError:如果在Eager模式下调用。
  • losses

    与此Layer相关的损失。

    请注意,在急切执行时,获取此属性会评估正规则。使用图形执行时,已经创建了变量正则化运算,并且只是在这里返回。

    返回:

    张量列表。

  • name
  • non_trainable_variables
  • non_trainable_weights
  • output

    检索图层的输出张量。

    仅适用于图层只有一个输出,即它是否连接到一个输入层。

    返回:

    输出张量或输出张量列表。

    可能引发的异常:

    • AttributeError:如果图层连接到多个输入图层。
    • RuntimeError:如果在Eager模式下调用。
  • output_shape

    检索图层的输出形状。

    仅适用于图层具有一个输出,或者所有输出具有相同形状的情况。

    返回:

    输出形状,作为整数形状元组(或形状元组列表,每个输出张量一个元组)。

    可能引发的异常:

    • AttributeError:如果图层没有定义的输出形状。
    • RuntimeError:如果在Eager模式下调用。
  • scope_name
  • trainable_variables
  • trainable_weights
  • updates
  • variables

    返回所有图层变量/权重的列表。

    返回:

    变量列表。

  • weights

    返回所有图层变量/权重的列表。

    返回:

    变量列表。

方法

  • __init__
    __init__(
        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,
        **kwargs
    )

    初始化自我。

  • __call__
    __call__(
        inputs,
        *args,
        **kwargs
    )

    包装call,应用预处理和后处理步骤。

    参数:

    • inputs:输入张量。
    • *args:要传递给self.call的其他位置参数。
    • **kwargs:要传递给self.call的其他关键字参数。注意:kwarg scope保留供图层使用。

    返回:

    输出张量。

    注意:- 如果图层的call方法采用scope关键字参数,则此参数将自动设置为当前变量范围。- 如果图层的call方法采用mask参数(如某些Keras图层那样),则其默认值将设置为inputs前一层生成的蒙版(如果input确实来自生成相应蒙版的图层,即它是否来自具有掩蔽支持的Keras层)。

    可能引发的异常:

    • ValueError:如果图层的call方法返回None(无效值)。
  • __deepcopy__
    __deepcopy__(memo)
  • add_loss
    add_loss(
        losses,
        inputs=None
    )

    添加损失张量,可能依赖于图层输入。

    一些损失(例如,活动正则化损失)可能取决于调用层时传递的输入。因此,当在不同的输入a和b上重用同一层时,在layer.losses中的一些条目可以取决于a并且另外一部分取决于b。此方法自动跟踪依赖性。

    该get_losses_for方法允许检索与特定输入集相关的损失。

    请注意,急切执行时不支持add_loss。相反,可以通过add_variable添加变量正则化器。不直接支持活动正规化(但可以从Layer.call()中返回此类损失)。

    参数:

    • losses:损失张量,或张量/列表的张量。
    • inputs:如果传递了除None以外的任何内容,则表示损失是以某些层的输入为条件的,因此它们只应在这些输入可用的地方运行。例如,活动正规化损失就是这种情况。如果None通过,则假定损失是无条件的,并且将应用于层的所有数据流(例如,权重正则化损失)。

    可能引发的异常:

    • RuntimeError:如果在Eager模式下调用。
  • add_update
    add_update(
        updates,
        inputs=None
    )

    添加更新操作,可能依赖于图层输入。

    权重更新(例如,BatchNormalization层中移动均值和方差的更新)可能取决于调用图层时传递的输入。因此,当在不同的输入a和b上重用同一层时,在layer.updates中的一些条目可以取决于a并且另外一些取决于b。此方法自动跟踪依赖性。

    该get_updates_for方法允许检索与特定输入集相关的更新。

    在Eager模式下忽略此调用。

    参数:

    • updates:更新操作,或更新操作的列表/元组。
    • inputs:如果传递了除None之外的任何内容,则表示更新是以某些层的输入为条件的,因此它们只应在这些输入可用的地方运行。例如,BatchNormalization更新就是这种情况。如果为None,则无条件地考虑更新,并且您有责任确保它们可能具有的任何依赖性在运行时可用。步数计数器可能属于此类别。
  • add_variable
    add_variable(
        name,
        shape,
        dtype=None,
        initializer=None,
        regularizer=None,
        trainable=True,
        constraint=None,
        partitioner=None
    )

    向图层添加新变量,或获取现有变量;返回它。

    参数:

    • name: 变量名。
    • shape:变形。
    • dtype:变量的类型,默认为self.dtype或float32。
    • initializer:初始化程序实例(可调用)。
    • regularizer:regularrizer实例(可调用)。
    • trainable:变量是否应该是图层的“trainable_variables”(例如,变量,偏差)或“non_trainable_variables”(例如,BatchNorm mean,stddev)的一部分。注意,如果当前变量范围被标记为不可训练,则忽略此参数,并且任何添加的变量也标记为不可训练。
    • constraint:约束实例(可调用)。
    • partitioner:(可选)分区程序实例(可调用)。如果提供,则在创建请求的变量时,它将根据partitioner分成多个分区。在这种情况下,返回一个PartitionedVariable实例。可用的分区包括tf.fixed_size_partitioner和tf.variable_axis_size_partitioner。

    返回:

    创建的变量。通常是一个Variable或一个ResourceVariable实例。如果partitioner不是None,则返回PartitionedVariable实例。

    可能引发的异常:

    • RuntimeError:如果使用分区变量正则化调用并且启用了急切执行。
  • apply
    apply(
        inputs,
        *args,
        **kwargs
    )

    在输入上应用图层。

    这只是包装self.__call__。

    参数:

    • inputs:输入张量。
    • *args:要传递给self.call的其他位置参数。
    • **kwargs:要传递给self.call的其他关键字参数。

    返回:

    输出张量。

  • build
    build(input_shape)

    创建图层的变量。

  • call
    call(inputs)

    图层的逻辑就在这里。

    参数:

    • inputs:输入张量。
    • **kwargs:其他关键字参数。

    返回:

    输出张量。

  • compute_output_shape
    compute_output_shape(input_shape)

    在给定输入形状的情况下计算图层的输出形状。

    参数:

    • input_shape:A(可能是嵌套的元组)TensorShape。它不需要完全定义(例如批量大小可能是未知的)。

    返回:

    一个TensorShape(可能是嵌套的元组)。

    可能引发的异常:

    • TypeError:如果input_shape不是TensorShape(可能是嵌套的元组)。
    • ValueError:如果input_shape不完整或与图层不兼容。
  • count_params
    count_params()

    计算组成权重的标量总数。

    返回:

    整数计数。

    可能引发的异常:

    • ValueError:如果尚未构建图层(在这种情况下,其权重尚未定义)。
  • get_input_at
    get_input_at(node_index)

    检索给定节点处的层的输入张量。

    参数:

    • node_index:Integer,从中检索属性的节点的索引。例如,node_index=0将对应于第一次调用图层。

    返回:

    张量(如果图层有多个输入,则为张量列表)。

    可能引发的异常:

    • RuntimeError:如果在Eager模式下调用。
  • get_input_shape_at
    get_input_shape_at(node_index)

    检索给定节点处的图层的输入形状。

    参数:

    • node_index:Integer,从中检索属性的节点的索引。例如,node_index=0将对应于第一次调用图层。

    返回:

    形状元组(如果图层有多个输入,则为形状元组​​列表)。

    可能引发的异常:

    • RuntimeError:如果在Eager模式下调用。
  • get_losses_for
    get_losses_for(inputs)

    检索与特定输入集相关的损失。

    参数:

    • inputs:输入张量或输入张量的列表/元组。

    返回:

    依赖于inputs的层的损失张量列表。

    可能引发的异常:

    • RuntimeError:如果在Eager模式下调用。
  • get_output_at
    get_output_at(node_index)

    检索给定节点处的图层的输出张量。

    参数:

    • node_index:Integer,从中检索属性的节点的索引。例如,node_index=0将对应于第一次调用图层。

    返回:

    张量(如果图层有多个输出,则为张量列表)。

    可能引发的异常:

    • RuntimeError:如果在Eager模式下调用。
  • get_output_shape_at
    get_output_shape_at(node_index)

    检索给定节点处图层的输出形状。

    参数:

    • node_index:Integer,从中检索属性的节点的索引。例如,node_index=0将对应于第一次调用图层。

    返回:

    形状元组(如果图层具有多个输出,则为形状元组​​列表)。

    可能引发的异常:

    • RuntimeError:如果在Eager模式下调用。
  • get_updates_for
    get_updates_for(inputs)

    检索与特定输入集相关的更新。

    参数:

    • inputs:输入张量或输入张量的列表/元组。

    返回:

    依赖于inputs的层的更新操作列表。

    可能引发的异常:

    • RuntimeError:如果在Eager模式下调用。
以上内容是否对您有帮助:
python零基础入门到爬虫实战
二维码
建议反馈
二维码