เทนเซอร์โฟลว์:: ปฏิบัติการ:: Conv3D

คำนวณการบิดแบบ 3 มิติโดยรับ input 5 มิติและเทนเซอร์ filter

สรุป

ในการประมวลผลสัญญาณ ความสัมพันธ์ข้ามคือการวัดความคล้ายคลึงกันของรูปคลื่นสองรูป ซึ่งเป็นฟังก์ชันของไทม์แล็กที่ใช้กับหนึ่งในรูปคลื่นเหล่านั้น สิ่งนี้เรียกอีกอย่างว่าผลคูณดอทแบบเลื่อนหรือผลคูณภายในแบบเลื่อน

Conv3D ของเราใช้รูปแบบของความสัมพันธ์ข้ามกัน

ข้อโต้แย้ง:

• ขอบเขต: วัตถุ ขอบเขต
• อินพุต: รูปร่าง [batch, in_depth, in_height, in_width, in_channels]
• ตัวกรอง: รูปร่าง [filter_depth, filter_height, filter_width, in_channels, out_channels] in_channels ต้องตรงกันระหว่าง input และ filter
• ความก้าวหน้า: เมตริกซ์ 1-D ที่มีความยาว 5 ก้าวของหน้าต่างบานเลื่อนสำหรับแต่ละมิติของ input ต้องมี strides[0] = strides[4] = 1
• padding: ประเภทของอัลกอริธึมการเติมที่จะใช้

แอ็ตทริบิวต์ทางเลือก (ดู Attrs ):

• data_format: รูปแบบข้อมูลของข้อมูลอินพุตและเอาต์พุต ด้วยรูปแบบเริ่มต้น "NDHWC" ข้อมูลจะถูกจัดเก็บตามลำดับ: [batch, in_ allowance, in_height, in_width, in_channels] หรืออีกทางหนึ่ง รูปแบบอาจเป็น "NCDHW" ลำดับการจัดเก็บข้อมูลคือ: [batch, in_channels, in_ledge, in_height, in_width]
• การขยาย: เทนเซอร์ 1-D ที่มีความยาว 5 ตัวประกอบการขยายสำหรับแต่ละมิติของ input หากตั้งค่าเป็น k > 1 จะมีเซลล์ที่ข้าม k-1 ระหว่างองค์ประกอบตัวกรองแต่ละรายการในมิตินั้น ลำดับมิติถูกกำหนดโดยค่าของ data_format โปรดดูรายละเอียดด้านบน การขยายขนาดแบทช์และความลึกต้องเป็น 1

ผลตอบแทน:

• Output : เทนเซอร์เอาท์พุต

คุณลักษณะสาธารณะ

Operation operation

::tensorflow::Output output

 Conv3D(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding
)

 Conv3D(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding,
  const Conv3D::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs DataFormat(
  StringPiece x
)

Attrs Dilations(
  const gtl::ArraySlice< int > & x
)