@frozen
public struct Conv1D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
یک لایه پیچیدگی 1 بعدی (به عنوان مثال پیچیدگی زمانی در یک سری زمانی).
این لایه یک فیلتر کانولوشن ایجاد می کند که با ورودی لایه پیچیده می شود تا یک تانسور خروجی تولید کند.
فیلتر کانولوشن سه بعدی.
اعلامیه
public var filter: Tensor<Scalar>
بردار تعصب.
اعلامیه
public var bias: Tensor<Scalar>
تابع فعال سازی از نظر عنصر.
اعلامیه
@noDerivative public let activation: Activation
گام پنجره کشویی برای بعد زمانی.
اعلامیه
@noDerivative public let stride: Int
الگوریتم padding برای کانولوشن.
اعلامیه
@noDerivative public let padding: Padding
عامل اتساع برای بعد زمانی.
اعلامیه
@noDerivative public let dilation: Int
یک لایه
Conv1D
با فیلتر مشخص شده، بایاس، عملکرد فعال سازی، گام، اتساع و padding مشخص شده ایجاد می کند.اعلامیه
public init( filter: Tensor<Scalar>, bias: Tensor<Scalar>? = nil, activation: @escaping Activation = identity, stride: Int = 1, padding: Padding = .valid, dilation: Int = 1 )
پارامترها
filter
فیلتر کانولوشن سه بعدی شکل [عرض فیلتر، تعداد کانال ورودی، تعداد کانال های خروجی].
bias
بردار بایاس شکل [تعداد کانال خروجی].
activation
تابع فعال سازی از نظر عنصر.
stride
گام پنجره کشویی برای بعد زمانی.
padding
الگوریتم padding برای کانولوشن.
dilation
عامل اتساع برای بعد زمانی.
خروجی به دست آمده از اعمال لایه به ورودی داده شده را برمی گرداند.
عرض خروجی به صورت زیر محاسبه می شود:
عرض خروجی = (عرض ورودی + 2 * اندازه بالشتک - (اتساع * (عرض فیلتر - 1) + 1)) / گام + 1
و اندازه بالشتک با طرح padding تعیین می شود.
توجه داشته باشید
اندازه پد هنگام استفاده از
.valid
برابر با صفر است.پارامترها
input
ورودی لایه [اندازه دسته، عرض ورودی، تعداد کانال ورودی].
ارزش بازگشتی
خروجی شکل [اندازه دسته، عرض خروجی، تعداد کانال خروجی].
یک لایه
Conv1D
با شکل فیلتر مشخص شده، گام برداشتن، بالشتک، اتساع و عملکرد فعال سازی از نظر عنصر ایجاد می کند.اعلامیه
public init( filterShape: (Int, Int, Int), stride: Int = 1, padding: Padding = .valid, dilation: Int = 1, activation: @escaping Activation = identity, useBias: Bool = true, filterInitializer: ParameterInitializer<Scalar> = glorotUniform(), biasInitializer: ParameterInitializer<Scalar> = zeros() )
پارامترها
filterShape
شکل 3 بعدی فیلتر، نشان دهنده (عرض فیلتر، تعداد کانال ورودی، تعداد کانال های خروجی).
stride
گام پنجره کشویی برای بعد زمانی.
padding
الگوریتم padding برای کانولوشن.
dilation
عامل اتساع برای بعد زمانی.
activation
تابع فعال سازی از نظر عنصر.
filterInitializer
آغازگر برای استفاده برای پارامترهای فیلتر.
biasInitializer
آغازگر برای استفاده برای پارامترهای بایاس.