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```
54enum 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```
66long [] 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```
78long Conv2dTransposeFusion::group
79```
80
81**描述**
82
83
84group，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```
94long Conv2dTransposeFusion::inChannel
95```
96
97**描述**
98
99
100输入通道数。
101
102
103### kernelSize
104
105```
106long [] Conv2dTransposeFusion::kernelSize
107```
108
109**描述**
110
111
112卷积核大小。
113
114
115### outChannel
116
117```
118long Conv2dTransposeFusion::outChannel
119```
120
121**描述**
122
123
124输出通道数。
125
126
127### outputPaddings
128
129```
130long [] 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```
142long [] 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```
154enum 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```
166long [] 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