TransposedConv3D

@frozen
public struct TransposedConv3D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint

یک لایه کانولوشن انتقالی سه بعدی (مثلاً پیچیدگی جابجا شده فضایی بر روی تصاویر).

این لایه یک فیلتر کانولوشن ایجاد می کند که با ورودی لایه ترانسپوز می شود تا یک تانسور خروجی تولید کند.

• فیلتر
  هسته کانولوشن 5 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 برداشت
  گام های پنجره کشویی برای ابعاد فضایی.

  اعلام

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

• لایه گذاری
  الگوریتم padding برای کانولوشن.

  اعلام

  @noDerivative
  public let padding: Padding

• paddingIndex
  ویژگی paddingIndex به ما اجازه می دهد تا محاسبات را بر اساس padding انجام دهیم.

  اعلام

  @noDerivative
  public let paddingIndex: Int

• فعال سازی
  نوع تابع فعال سازی از نظر عنصر.

  اعلام

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

• init(filter:bias:activation:strides:padding:)
  یک لایه TransposedConv3D با فیلتر مشخص شده، بایاس، عملکرد فعالسازی، گام‌ها و padding ایجاد می‌کند.

  اعلام

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

  مولفه های

  filter	هسته کانولوشن 5 بعدی.
  bias	بردار تعصب.
  activation	تابع فعال سازی از نظر عنصر.
  strides	گام های پنجره کشویی برای ابعاد فضایی.
  padding	الگوریتم padding برای کانولوشن.

• رو به جلو(_:)
  خروجی به دست آمده از اعمال لایه به ورودی داده شده را برمی گرداند.

  اعلام

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

  مولفه های

  input

  ورودی لایه

  ارزش بازگشتی

  خروجی.

• init(filterShape:strides:padding:activation:useBias:filterInitializer:biasInitializer:)
  یک لایه TransposedConv3D با شکل فیلتر مشخص شده، گام‌ها، padding و تابع فعال‌سازی عنصری ایجاد می‌کند. تانسور فیلتر با استفاده از مقداردهی اولیه یکنواخت Glorot با ژنراتور مشخص شده مقداردهی اولیه می شود. بردار بایاس با صفر آغاز می شود.

  اعلام

  public init(
    filterShape: (Int, Int, Int, Int, Int),
    strides: (Int, Int, Int) = (1, 1, 1),
    padding: Padding = .valid,
    activation: @escaping Activation = identity,
    useBias: Bool = true,
    filterInitializer: ParameterInitializer<Scalar> = glorotUniform(),
    biasInitializer: ParameterInitializer<Scalar> = zeros()
  )

  مولفه های

  filterShape	شکل هسته کانولوشن 5 بعدی.
  strides	گام های پنجره کشویی برای ابعاد فضایی.
  padding	الگوریتم padding برای کانولوشن.
  activation	تابع فعال سازی از نظر عنصر.
  generator	مولد اعداد تصادفی برای مقداردهی اولیه.