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_v20.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_v20.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_v20.md#padmode)[padMode](#padmode) | 填充类型，详情请参考：[PadMode](_n_n_rt_v20.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。 group等于1，这是常规卷积； group大于1且小于或等于inChannel，这是分组卷积。 | 42| long [inChannel](#inchannel) | 输入通道数。 | 43| long [outChannel](#outchannel) | 输出通道数。 | 44| enum [ActivationType](_n_n_rt_v20.md#activationtype)[activationType](#activationtype) | 激活函数类型，详情请参考：[ActivationType](_n_n_rt_v20.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**描述** 57激活函数类型，详情请参考：[ActivationType](_n_n_rt_v20.md#activationtype)。 58 59 60### dilation 61 62``` 63long [] Conv2dTransposeFusion::dilation 64``` 65**描述** 66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。 67 68 69### group 70 71``` 72long Conv2dTransposeFusion::group 73``` 74**描述** 75group，将输入x按inChannel分组。 group等于1，这是常规卷积； group大于1且小于或等于inChannel，这是分组卷积。 76 77 78### inChannel 79 80``` 81long Conv2dTransposeFusion::inChannel 82``` 83**描述** 84输入通道数。 85 86 87### kernelSize 88 89``` 90long [] Conv2dTransposeFusion::kernelSize 91``` 92**描述** 93卷积核大小。 94 95 96### outChannel 97 98``` 99long Conv2dTransposeFusion::outChannel 100``` 101**描述** 102输出通道数。 103 104 105### outputPaddings 106 107``` 108long [] Conv2dTransposeFusion::outputPaddings 109``` 110**描述** 111一个长度为的2整数列表，指定沿输出张量的高度和宽度的填充量。 112 113 114### padList 115 116``` 117long [] Conv2dTransposeFusion::padList 118``` 119**描述** 120输入x周围的填充，是一个长度为4的int数组[top，bottom，left，right]。 121 122 123### padMode 124 125``` 126enum PadMode Conv2dTransposeFusion::padMode 127``` 128**描述** 129填充类型，详情请参考：[PadMode](_n_n_rt_v20.md#padmode) 130 131 132### stride 133 134``` 135long [] Conv2dTransposeFusion::stride 136``` 137**描述** 138卷积核在height和weight上的步幅，是一个长度为2的int数组[strideHeight，strideWidth]。 139