Konv3D 

@frozen
public struct Conv3D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint

Lapisan konvolusi 3-D untuk konvolusi spasial/spatio-temporal pada gambar.

Lapisan ini membuat filter konvolusi yang dikonvolusi dengan masukan lapisan untuk menghasilkan tensor keluaran.

  • Filter konvolusi 5-D.

    Pernyataan 

    public var filter: Tensor<Scalar>

  • Vektor bias.

    Pernyataan 

    public var bias: Tensor<Scalar>

  • Fungsi aktivasi berdasarkan elemen.

    Pernyataan 

    @noDerivative
public let activation: Activation

  • Langkah jendela geser untuk dimensi spasial.

    Pernyataan 

    @noDerivative
public let strides: (Int, Int, Int)

  • Algoritma padding untuk konvolusi.

    Pernyataan 

    @noDerivative
public let padding: Padding

  • Faktor dilatasi dimensi spasial/spatio temporal.

    Pernyataan 

    @noDerivative
public let dilations: (Int, Int, Int)

  • Jenis fungsi aktivasi berdasarkan elemen.

    Pernyataan 

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

  • Membuat lapisan Conv3D dengan filter, bias, fungsi aktivasi, langkah, dan padding yang ditentukan.

    Pernyataan 

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

    Parameter

    filter

    Bentuk filter konvolusi 5-D [kedalaman filter, tinggi filter, lebar filter, jumlah saluran masukan, jumlah saluran keluaran].

    bias

    Bentuk vektor bias [jumlah saluran keluaran].

    activation

    Fungsi aktivasi berdasarkan elemen.

    strides

    Langkah jendela geser untuk dimensi spasial, yaitu (kedalaman langkah, tinggi langkah, lebar langkah)

    padding

    Algoritma padding untuk konvolusi.

    dilations

    Faktor dilatasi dimensi spasial/spatio-temporal.

  • Mengembalikan keluaran yang diperoleh dari penerapan lapisan ke masukan yang diberikan.

    Dimensi spasial keluaran dihitung sebagai:

    kedalaman keluaran = (kedalaman masukan + 2 * kedalaman bantalan - (kedalaman pelebaran * (kedalaman filter - 1) + 1)) / kedalaman langkah + 1

    tinggi keluaran = (tinggi masukan + 2 * tinggi bantalan - (tinggi dilatasi * (tinggi filter - 1) + 1)) / tinggi langkah + 1

    lebar keluaran = (lebar masukan + 2 * lebar bantalan - (lebar dilatasi * (lebar filter - 1) + 1)) / lebar langkah + 1

    dan ukuran padding ditentukan oleh skema padding.

    Catatan

    Ukuran padding sama dengan nol saat menggunakan .valid .

    Pernyataan 

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

    Parameter

    input

    Masukan ke lapisan bentuk [jumlah batch, kedalaman masukan, tinggi masukan, lebar masukan, jumlah saluran masukan].

    Nilai Pengembalian

    Bentuk keluaran [jumlah batch, kedalaman keluaran, tinggi keluaran, lebar keluaran, jumlah saluran keluaran].

  • Membuat lapisan Conv3D dengan bentuk filter, langkah, bantalan, pelebaran, dan fungsi aktivasi berdasarkan elemen yang ditentukan. Tensor filter diinisialisasi menggunakan inisialisasi seragam Glorot dengan seed yang ditentukan. Vektor bias diinisialisasi dengan nol.

    Pernyataan 

    public init(
  filterShape: (Int, Int, Int, Int, Int),
  strides: (Int, Int, Int) = (1, 1, 1),
  padding: Padding = .valid,
  dilations: (Int, Int, Int) = (1, 1, 1),
  activation: @escaping Activation = identity,
  useBias: Bool = true,
  filterInitializer: ParameterInitializer<Scalar> = glorotUniform(),
  biasInitializer: ParameterInitializer<Scalar> = zeros()
)

    Parameter

    filterShape

    Bentuk filter konvolusi 5-D, mewakili (kedalaman filter, tinggi filter, lebar filter, jumlah saluran masukan, jumlah saluran keluaran).

    strides

    Langkah jendela geser untuk dimensi spasial, yaitu (kedalaman langkah, tinggi langkah, lebar langkah)

    padding

    Algoritma padding untuk konvolusi.

    dilations

    Faktor dilatasi dimensi spasial/spatio-temporal.

    activation

    Fungsi aktivasi berdasarkan elemen.

    filterInitializer

    Inisialisasi yang digunakan untuk parameter filter.

    biasInitializer

    Inisialisasi yang digunakan untuk parameter bias.