Conv1D

@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
  فیلتر کانولوشن سه بعدی.

  اعلام

  public var filter: Tensor<Scalar>

• جانبداری
  بردار تعصب.

  اعلام

  public var bias: Tensor<Scalar>

• فعال سازی
  تابع فعال سازی از نظر عنصر.

  اعلام

  @noDerivative
  public let activation: Activation

• گام های بلند برداشتن
  گام پنجره کشویی برای بعد زمانی.

  اعلام

  @noDerivative
  public let stride: Int

• لایه گذاری
  الگوریتم padding برای کانولوشن.

  اعلام

  @noDerivative
  public let padding: Padding

• اتساع
  عامل اتساع برای بعد زمانی.

  اعلام

  @noDerivative
  public let dilation: Int

• فعال سازی
  نوع تابع فعال سازی از نظر عنصر.

  اعلام

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

• init(filter:bias:activation:stride:padding:dlation:)
  یک لایه Conv1D با فیلتر مشخص شده، بایاس، عملکرد فعال سازی، گام، اتساع و padding مشخص شده ایجاد می کند.

  اعلام

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

  مولفه های

  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.

• رو به جلو(_:)
  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.

  اعلام

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

  مولفه های

  input

  ورودی لایه [اندازه دسته، عرض ورودی، تعداد کانال ورودی].

  ارزش بازگشتی

  خروجی شکل [اندازه دسته، عرض خروجی، تعداد کانال خروجی].

موجود در جایی که 'Scalar.RawSignificand': 'FixedWidthInteger'

• init(filterShape:stride:padding: dilation:activation:useBias:filterInitializer:biasInitializer:)
  یک لایه Conv1D با شکل فیلتر مشخص شده، گام برداشتن، بالشتک، اتساع و عملکرد فعال سازی از نظر عنصر ایجاد می کند.

  اعلام

  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()
  )

  مولفه های

  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.