@frozen
public struct TransposedConv2D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
שכבת טרנספוזיציה דו-ממדית (למשל קונבולוציית טרנספוזיה מרחבית על פני תמונות).
שכבה זו יוצרת מסנן קונבולוציה שמסובב-טרנספוזיציה עם קלט השכבה כדי לייצר טנזור של יציאות.
ליבת הפיתול ה-4-D.
הַצהָרָה
public var filter: Tensor<Scalar>
וקטור ההטיה.
הַצהָרָה
public var bias: Tensor<Scalar>
פונקציית ההפעלה מבחינה אלמנטרית.
הַצהָרָה
@noDerivative public let activation: Activation
הצעדים של חלון הזזה לממדים מרחביים.
הַצהָרָה
@noDerivative public let strides: (Int, Int)
אלגוריתם הריפוד לקונבולציה.
הַצהָרָה
@noDerivative public let padding: Padding
המאפיין paddingIndex מאפשר לנו לטפל בחישוב המבוסס על ריפוד.
הַצהָרָה
@noDerivative public let paddingIndex: Int
יוצר שכבת
TransposedConv2D
עם המסנן, ההטיה, פונקציית ההפעלה, הצעדים והריפוד שצוין.הַצהָרָה
public init( filter: Tensor<Scalar>, bias: Tensor<Scalar>? = nil, activation: @escaping Activation = identity, strides: (Int, Int) = (1, 1), padding: Padding = .valid )
פרמטרים
filter
טנזור 4-D של צורה
[height, width, output channel count, input channel count]
.bias
טנסור ההטיה של הצורה
[output channel count]
.activation
פונקציית ההפעלה מבחינה אלמנטרית.
strides
הצעדים של חלון הזזה לממדים מרחביים.
padding
אלגוריתם הריפוד לקונבולציה.
יוצר שכבת
TransposedConv2D
עם צורת המסנן שצוינה, הצעדים, הריפוד ופונקציית ההפעלה מבחינת האלמנט.הַצהָרָה
public init( filterShape: (Int, Int, Int, Int), strides: (Int, Int) = (1, 1), padding: Padding = .valid, activation: @escaping Activation = identity, useBias: Bool = true, filterInitializer: ParameterInitializer<Scalar> = glorotUniform(), biasInitializer: ParameterInitializer<Scalar> = zeros() )
פרמטרים
filterShape
טנזור 4-D של צורה
[width, height, input channel count, output channel count]
.strides
הצעדים של חלון הזזה לממדים מרחביים.
padding
אלגוריתם הריפוד לקונבולציה.
activation
פונקציית ההפעלה מבחינה אלמנטרית.
filterInitializer
אתחול לשימוש עבור פרמטרי המסנן.
biasInitializer
אתחול לשימוש עבור פרמטרי ההטיה.