Conv.1D 

@frozen
public struct Conv1D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint

ชั้นการบิดแบบ 1 มิติ (เช่น การบิดแบบขมับในอนุกรมเวลา)

เลเยอร์นี้สร้างตัวกรองการบิดที่เชื่อมโยงกับอินพุตเลเยอร์เพื่อสร้างเทนเซอร์ของเอาท์พุต

  • ตัวกรองการบิดแบบ 3 มิติ

    คำประกาศ 

    public var filter: Tensor<Scalar>

  • เวกเตอร์อคติ

    คำประกาศ 

    public var bias: Tensor<Scalar>

  • ฟังก์ชั่นการเปิดใช้งานตามองค์ประกอบ

    คำประกาศ 

    @noDerivative
public let activation: Activation

  • ก้าวย่างของหน้าต่างบานเลื่อนสู่มิติแห่งกาลเวลา

    คำประกาศ 

    @noDerivative
public let stride: Int

  • อัลกอริธึมการเติมสำหรับการบิด

    คำประกาศ 

    @noDerivative
public let padding: Padding

  • ปัจจัยการขยายสำหรับมิติทางโลก

    คำประกาศ 

    @noDerivative
public let dilation: Int

  • ประเภทฟังก์ชันการเปิดใช้งานตามองค์ประกอบ

    คำประกาศ 

    public typealias Activation = @differentiable (Tensor<Scalar>) -> Tensor<Scalar>

  • สร้างเลเยอร์ Conv1D พร้อมด้วยตัวกรอง อคติ ฟังก์ชันการเปิดใช้งาน การก้าวย่าง การขยาย และการแพดดิ้งที่ระบุ

    คำประกาศ 

    public init(
  filter: Tensor<Scalar>,
  bias: Tensor<Scalar>? = nil,
  activation: @escaping Activation = identity,
  stride: Int = 1,
  padding: Padding = .valid,
  dilation: Int = 1
)

    พารามิเตอร์

    filter

    ตัวกรองการหมุนวนสามมิติของรูปร่าง [ความกว้างตัวกรอง จำนวนช่องอินพุต จำนวนช่องสัญญาณเอาต์พุต]

    bias

    เวกเตอร์อคติของรูปร่าง [จำนวนช่องสัญญาณออก]

    activation

    ฟังก์ชั่นการเปิดใช้งานตามองค์ประกอบ

    stride

    ก้าวย่างของหน้าต่างบานเลื่อนสู่มิติแห่งกาลเวลา

    padding

    อัลกอริธึมการเติมสำหรับการบิด

    dilation

    ปัจจัยการขยายสำหรับมิติทางโลก

  • ส่งกลับผลลัพธ์ที่ได้จากการใช้เลเยอร์กับอินพุตที่กำหนด

    ความกว้างของเอาต์พุตคำนวณได้ดังนี้:

    ความกว้างเอาต์พุต = (ความกว้างอินพุต + 2 * ขนาดช่องว่างภายใน - (การขยาย * (ความกว้างตัวกรอง - 1) + 1)) / ก้าวย่าง + 1

    และขนาดของช่องว่างภายในจะถูกกำหนดโดยโครงร่างการเติม

    บันทึก

    ขนาดช่องว่างภายในเท่ากับศูนย์เมื่อใช้ .valid valid

    คำประกาศ 

    @differentiable
public func forward(_ input: Tensor<Scalar>) -> Tensor<Scalar>

    พารามิเตอร์

    input

    อินพุตไปยังเลเยอร์ [ขนาดแบตช์, ความกว้างอินพุต, จำนวนช่องอินพุต]

    ค่าส่งคืน

    ผลลัพธ์ของรูปร่าง [ขนาดแบทช์ ความกว้างเอาต์พุต จำนวนช่องสัญญาณเอาต์พุต]

มีจำหน่ายที่ `Scalar.RawSignificand`: `FixedWidthInteger`

  • สร้างเลเยอร์ Conv1D ด้วยฟังก์ชันการเปิดใช้งานรูปร่างตัวกรอง การก้าวย่าง การขยาย การขยาย และการเปิดใช้งานตามองค์ประกอบที่ระบุ

    คำประกาศ 

    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()
)

    พารามิเตอร์

    filterShape

    รูปร่าง 3 มิติของตัวกรองที่เป็นตัวแทน (ความกว้างของตัวกรอง จำนวนช่องอินพุต จำนวนช่องสัญญาณเอาท์พุต)

    stride

    ก้าวย่างของหน้าต่างบานเลื่อนสู่มิติแห่งกาลเวลา

    padding

    อัลกอริธึมการเติมสำหรับการบิด

    dilation

    ปัจจัยการขยายสำหรับมิติทางโลก

    activation

    ฟังก์ชั่นการเปิดใช้งานตามองค์ประกอบ

    filterInitializer

    Initializer ที่จะใช้สำหรับพารามิเตอร์ตัวกรอง

    biasInitializer

    Initializer ที่จะใช้สำหรับพารามิเตอร์ไบแอส