ConvTranspose

功能

• 转置卷积，使用一个输入张量和一个滤波器并计算输出。
• 如果提供了pads参数，则通过以下公式计算输出的形状：

• output_shape也可以明确指定，在这种情况下，使用以下公式自动生成pads：
  

  • 如果auto_pads == SAME_UPPER

    

  • 否则

    

输入

• X：来自上一层的输入Tensor，对于二维卷积其shape为[N, C, H, W]，其中N是批量大小，C是通道数，H和W是高度和宽度；对于超过2个维度其shape为[N, C, D, H, W]，数据类型支持float16。
• W：权重Tensor，对于二维卷积其shape为[C, M/group, k_H, k_W]，其中C是通道数，k_H和k_W是内核的高度和宽度，M是特征图的数量。对于超过2个维度权重shape为[C, M/group, k_D, k_H k_W）。输出中的通道数应等于 W.shape[1] * group（假设形状数组的索引从零开始），数据类型支持float16。
• B（可选）：输入一维Tensor，shape为[M]，数据类型支持float16。

属性

• auto_pad：数据类型为string，支持 NOTSET、SAME_UPPER、SAME_LOWER 或 VALID，默认为NOTSET，显式使用padding的方式。SAME_UPPER或SAME_LOWER表示填充输入，输出y的shape有y_H = x_H * stride_H，y_W = x_W * stride_W；auto_pad设为VALID时不使用padding。
• dilations：数据类型为ints，默认为全1序列，表示filter的每轴空洞值。
• group：数据类型为int，默认为1，表示输入通道分组数。
• kernel_shape：数据类型为ints，默认为输入filter的shape，表示卷积核大小。
• output_padding：数据类型为ints，默认为全0数组，表示指定padding值。
• output_shape：数据类型为ints，根据pad自动计算，表示输出shape。
• pads：数据类型为ints，默认为全0矩阵，表示每根轴指定pad值。
• strides：数据类型为ints，默认为全1矩阵，表示每根轴的stride值。

输出

y：卷积结果的输出数据张量，数据类型和shape与输入一致。

约束

• 输入通道[C]需要被group整除；bias的shape[M] 、filter的第1维维度[M/group]、输出y的第1维[M]需要满足约束。
• 属性auto_pad在二维场景支持 "SAME_UPPER"、"SAME_LOWER"、"VALID"，三维场景不支持。
• 属性auto_pad在二维场景设置为 "SAME_UPPER"、"SAME_LOWER"、"VALID"时，属性pads若提供则会被修正。

支持的ONNX版本

Opset v8/v9/v10/v11/v12/v13/v14/v15/v16/v17/v18