Conv1D

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

Una capa de convolución 1-D (por ejemplo, convolución temporal sobre una serie de tiempo).

Esta capa crea un filtro de convolución que se convoluciona con la entrada de la capa para producir un tensor de salidas.

• filtrar

  El filtro de convolución 3-D.

  Declaración

  public var filter: Tensor<Scalar>

• parcialidad

  El vector de sesgo.

  Declaración

  public var bias: Tensor<Scalar>

• activación

  La función de activación por elementos.

  Declaración

  @noDerivative
  public let activation: Activation

• paso

  El paso de la ventana deslizante para la dimensión temporal.

  Declaración

  @noDerivative
  public let stride: Int

• relleno

  El algoritmo de relleno para convolución.

  Declaración

  @noDerivative
  public let padding: Padding

• dilatación

  El factor de dilatación de la dimensión temporal.

  Declaración

  @noDerivative
  public let dilation: Int

• Activación

  El tipo de función de activación por elementos.

  Declaración

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

• init (filtro: sesgo: activación: paso: relleno: dilatación :)

  Crea un Conv1D capa con el especificado filtro, el sesgo, la función de activación, zancada, la dilatación y el relleno.

  Declaración

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

  Parámetros

  filter	El filtro de convolución 3-D de forma [ancho de filtro, recuento de canales de entrada, recuento de canales de salida].
  bias	El vector de polarización de la forma [recuento de canales de salida].
  activation	La función de activación por elementos.
  stride	El paso de la ventana deslizante para la dimensión temporal.
  padding	El algoritmo de relleno para convolución.
  dilation	El factor de dilatación de la dimensión temporal.

• hacia adelante(_:)

  Devuelve la salida obtenida al aplicar la capa a la entrada dada.

  El ancho de salida se calcula como:

  ancho de salida = (ancho de entrada + 2 * tamaño de relleno - (dilatación * (ancho del filtro - 1) + 1)) / zancada + 1

  y el tamaño del acolchado está determinado por el esquema de acolchado.

  Nota

  Relleno tamaño es igual a cero cuando se utiliza .valid .

  Declaración

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

  Parámetros

  input

  La entrada a la capa [tamaño de lote, ancho de entrada, recuento de canales de entrada].

  Valor devuelto

  La salida de forma [tamaño de lote, ancho de salida, recuento de canales de salida].

Disponible donde `Scalar.RawSignificand`:` FixedWidthInteger`

• init (filterShape: stride: padding: dilación: activación: useBias: filterInitializer: biasInitializer :)

  Crea un Conv1D capa con la forma del filtro especificado, zancada, el relleno, la dilatación y la función de activación de elemento a elemento.

  Declaración

  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()
  )

  Parámetros

  filterShape	La forma tridimensional del filtro, que representa (ancho del filtro, recuento de canales de entrada, recuento de canales de salida).
  stride	El paso de la ventana deslizante para la dimensión temporal.
  padding	El algoritmo de relleno para convolución.
  dilation	El factor de dilatación de la dimensión temporal.
  activation	La función de activación por elementos.
  filterInitializer	Inicializador que se utilizará para los parámetros del filtro.
  biasInitializer	Inicializador que se utilizará para los parámetros de polarización.