Conv.1D

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

ชั้นการบิดแบบ 1 มิติ (เช่น การบิดแบบขมับในอนุกรมเวลา)

เลเยอร์นี้สร้างตัวกรองการบิดที่เชื่อมโยงกับอินพุตเลเยอร์เพื่อสร้างเทนเซอร์ของเอาท์พุต

• กรอง
  ตัวกรองการบิดแบบ 3 มิติ

  คำประกาศ

  public var filter: Tensor<Scalar>

• อคติ
  เวกเตอร์อคติ

  คำประกาศ

  public var bias: Tensor<Scalar>

• การเปิดใช้งาน
  ฟังก์ชั่นการเปิดใช้งานตามองค์ประกอบ

  คำประกาศ

  @noDerivative
  public let activation: Activation

• ก้าวย่าง
  ก้าวย่างของหน้าต่างบานเลื่อนสู่มิติแห่งกาลเวลา

  คำประกาศ

  @noDerivative
  public let stride: Int

• การขยายความ
  อัลกอริธึมการเติมสำหรับการบิด

  คำประกาศ

  @noDerivative
  public let padding: Padding

• การขยายตัว
  ปัจจัยการขยายสำหรับมิติทางโลก

  คำประกาศ

  @noDerivative
  public let dilation: Int

• การเปิดใช้งาน
  ประเภทฟังก์ชันการเปิดใช้งานตามองค์ประกอบ

  คำประกาศ

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

• init(ตัวกรอง:อคติ:การเปิดใช้งาน:ก้าวย่าง:ช่องว่างภายใน:การขยาย :)
  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

• ซึ่งไปข้างหน้า(_:)
  ส่งกลับผลลัพธ์ที่ได้จากการใช้เลเยอร์กับอินพุตที่กำหนด

  ความกว้างของเอาต์พุตคำนวณได้ดังนี้:

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

  และขนาดของช่องว่างภายในจะถูกกำหนดโดยโครงร่างการเติม

  บันทึก

  ขนาดช่องว่างภายในเท่ากับศูนย์เมื่อใช้ .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`

• init(filterShape:stride:padding:dilation:activation:useBias:filterInitializer:biasInitializer:)
  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