Conv3D

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

שכבת קונבולציה תלת מימדית עבור פיתול מרחבי/מרחבי-זמני על פני תמונות.

שכבה זו יוצרת מסנן קונבולציה שמתפתל עם קלט השכבה כדי לייצר טנזור של יציאות.

• לְסַנֵן
  מסנן פיתול 5-D.

  הַצהָרָה

  public var filter: Tensor<Scalar>

• הֲטָיָה
  וקטור ההטיה.

  הַצהָרָה

  public var bias: Tensor<Scalar>

• הַפעָלָה
  פונקציית ההפעלה מבחינה אלמנטרית.

  הַצהָרָה

  @noDerivative
  public let activation: Activation

• צעדים
  הצעדים של חלון הזזה לממדים מרחביים.

  הַצהָרָה

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

• ריפוד
  אלגוריתם הריפוד לקונבולציה.

  הַצהָרָה

  @noDerivative
  public let padding: Padding

• הרחבות
  גורם ההתרחבות לממדים זמניים מרחביים/מרחביים.

  הַצהָרָה

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

• הַפעָלָה
  סוג פונקציית ההפעלה מבחינת האלמנט.

  הַצהָרָה

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

• init(filter:bias:activation:strides:padding:dilatations:)
  יוצר שכבת Conv3D עם המסנן, ההטיה, פונקציית ההפעלה, הצעדים והריפוד שצוינו.

  הַצהָרָה

  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)
  )

  פרמטרים

  filter	מסנן הפיתול ה-5-D של הצורה [עומק מסנן, גובה מסנן, רוחב מסנן, ספירת ערוצי קלט, ספירת ערוצי פלט].
  bias	וקטור ההטיה של הצורה [ספירת ערוצי פלט].
  activation	פונקציית ההפעלה מבחינה אלמנטרית.
  strides	הצעדים של חלון ההזזה לממדים מרחביים, כלומר (עומק צעד, גובה צעד, רוחב צעדים)
  padding	אלגוריתם הריפוד לקונבולציה.
  dilations	מקדם ההתרחבות לממדים מרחביים/מרחביים-זמניים.

• קָדִימָה(_:)
  מחזירה את הפלט המתקבל מהחלת השכבה על הקלט הנתון.

  הממדים המרחביים של הפלט מחושבים כך:

  עומק פלט = (עומק קלט + 2 * עומק ריפוד - (עומק הרחבה * (עומק מסנן - 1) + 1)) / עומק צעדים + 1

  גובה פלט = (גובה קלט + 2 * גובה ריפוד - (גובה הרחבה * (גובה מסנן - 1) + 1)) / גובה צעדים + 1

  רוחב פלט = (רוחב קלט + 2 * רוחב ריפוד - (רוחב הרחבה * (רוחב מסנן - 1) + 1)) / רוחב צעדים + 1

  וגדלי הריפוד נקבעים לפי סכימת הריפוד.

  הערה

  גודל הריפוד שווה לאפס בעת שימוש .valid .

  הַצהָרָה

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

  פרמטרים

  input

  הקלט לשכבת הצורה [ספירת אצווה, עומק קלט, גובה קלט, רוחב קלט, ספירת ערוצי קלט].

  ערך החזרה

  הפלט של צורה [ספירת אצווה, עומק פלט, גובה פלט, רוחב פלט, ספירת ערוצי פלט].

• init(filterShape:strides:padding:dilations:activation:useBias:filterInitializer:biasInitializer:)
  יוצר שכבת Conv3D עם צורת המסנן שצוינה, צעדים, ריפוד, הרחבות ופונקציית הפעלה מבחינה אלמנטית. טנזור המסנן מאותחל באמצעות אתחול אחיד של Glorot עם הזרע שצוין. וקטור ההטיה מאותחל באפסים.

  הַצהָרָה

  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()
  )

  פרמטרים

  filterShape	הצורה של מסנן הפיתול ה-5-D, המייצג (עומק מסנן, גובה מסנן, רוחב מסנן, ספירת ערוצי קלט, ספירת ערוצי מוצא).
  strides	הצעדים של חלון ההזזה לממדים מרחביים, כלומר (עומק צעד, גובה צעד, רוחב צעדים)
  padding	אלגוריתם הריפוד לקונבולציה.
  dilations	מקדם ההתרחבות לממדים מרחביים/מרחביים-זמניים.
  activation	פונקציית ההפעלה מבחינה אלמנטרית.
  filterInitializer	אתחול לשימוש עבור פרמטרי המסנן.
  biasInitializer	אתחול לשימוש עבור הפרמטרים ההטיה.