1 # Conv2dTransposeFusion
2 
3 
4 ## 概述
5 
6 对一个4维的tensor执行带有偏置的二维反卷积。
7 
8 该算子对应的[NodeType](_n_n_rt_v10.md#nodetype)为NODE_TYPE_CONV2D_TRANSPOSE_FUSION。
9 
10 参数限制：当padMode==PAD_MODE_PAD时，padList的数值必须大于等于0。其他情况下padding的数值必须为0。
11 
12 输入：
13 
14 - x，4维tensor，并按照NHWC进行排列。
15 
16 - weight，卷积的权重，要求weight排布为[outChannel，kernelHeight，kernelWidth，inChannel/group]， inChannel必须要能整除group。
17 
18 - bias，卷积的偏置，是长度为[outChannel]的数组。在量化场景下，bias 参数不需要量化参数，其量化 版本要求输入 int32 类型数据，实际量化参数由 x 和 weight 共同决定。
19 
20 输出：
21 
22 - output，n维tensor。
23 
24 **起始版本：** 3.2
25 
26 **相关模块：**[NNRt](_n_n_rt_v10.md)
27 
28 
29 ## 汇总
30 
31 
32 ### Public 属性
33 
34 | 名称 | 描述 |
35 | -------- | -------- |
36 | long[] [kernelSize](#kernelsize) | 卷积核大小。 |
37 | long[] [stride](#stride) | 卷积核在height和weight上的步幅，是一个长度为2的int数组[strideHeight，strideWidth]。 |
38 | long[] [dilation](#dilation) | 表示扩张卷积在height和weight上的扩张率，是一个长度为2的int数组[dilationHeight，dilationWidth]， 值必须大于或等于1，并且不能超过x的height和width。 |
39 | enum [PadMode](_n_n_rt_v10.md#padmode)[padMode](#padmode) | 填充类型，详情请参考：[PadMode](_n_n_rt_v10.md#padmode) |
40 | long[] [padList](#padlist) | 输入x周围的填充，是一个长度为4的int数组[top，bottom，left，right]。 |
41 | long [group](#group) | group，将输入x按inChannel分组。 |
42 | long [inChannel](#inchannel) | 输入通道数。 |
43 | long [outChannel](#outchannel) | 输出通道数。 |
44 | enum [ActivationType](_n_n_rt_v10.md#activationtype)[activationType](#activationtype) | 激活函数类型，详情请参考：[ActivationType](_n_n_rt_v10.md#activationtype)。 |
45 | long[] [outputPaddings](#outputpaddings) | 一个长度为的2整数列表，指定沿输出张量的高度和宽度的填充量。 |
46 
47 
48 ## 类成员变量说明
49 
50 
51 ### activationType
52 
53 ```
54 enum ActivationType Conv2dTransposeFusion::activationType
55 ```
56 
57 **描述**
58 
59 
60 激活函数类型，详情请参考：[ActivationType](_n_n_rt_v10.md#activationtype)。
61 
62 
63 ### dilation
64 
65 ```
66 long [] Conv2dTransposeFusion::dilation
67 ```
68 
69 **描述**
70 
71 
72 表示扩张卷积在height和weight上的扩张率，是一个长度为2的int数组[dilationHeight，dilationWidth]， 值必须大于或等于1，并且不能超过x的height和width。
73 
74 
75 ### group
76 
77 ```
78 long Conv2dTransposeFusion::group
79 ```
80 
81 **描述**
82 
83 
84 group，将输入x按inChannel分组。
85 
86 - group等于1，这是常规卷积；
87 
88 - group大于1且小于或等于inChannel，这是分组卷积。
89 
90 
91 ### inChannel
92 
93 ```
94 long Conv2dTransposeFusion::inChannel
95 ```
96 
97 **描述**
98 
99 
100 输入通道数。
101 
102 
103 ### kernelSize
104 
105 ```
106 long [] Conv2dTransposeFusion::kernelSize
107 ```
108 
109 **描述**
110 
111 
112 卷积核大小。
113 
114 
115 ### outChannel
116 
117 ```
118 long Conv2dTransposeFusion::outChannel
119 ```
120 
121 **描述**
122 
123 
124 输出通道数。
125 
126 
127 ### outputPaddings
128 
129 ```
130 long [] Conv2dTransposeFusion::outputPaddings
131 ```
132 
133 **描述**
134 
135 
136 一个长度为的2整数列表，指定沿输出张量的高度和宽度的填充量。
137 
138 
139 ### padList
140 
141 ```
142 long [] Conv2dTransposeFusion::padList
143 ```
144 
145 **描述**
146 
147 
148 输入x周围的填充，是一个长度为4的int数组[top，bottom，left，right]。
149 
150 
151 ### padMode
152 
153 ```
154 enum PadMode Conv2dTransposeFusion::padMode
155 ```
156 
157 **描述**
158 
159 
160 填充类型，详情请参考：[PadMode](_n_n_rt_v10.md#padmode)
161 
162 
163 ### stride
164 
165 ```
166 long [] Conv2dTransposeFusion::stride
167 ```
168 
169 **描述**
170 
171 
172 卷积核在height和weight上的步幅，是一个长度为2的int数组[strideHeight，strideWidth]。
173