Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

tf.nn.conv3d

TensorFlow 1 versi Lihat sumber di GitHub

Menghitung 3-D konvolusi diberikan 5-D input dan filters tensor.

Dalam pemrosesan sinyal, korelasi silang adalah ukuran kesamaan dari dua bentuk gelombang sebagai fungsi dari waktu-lag diterapkan untuk salah satu dari mereka. Hal ini juga dikenal sebagai titik produk geser atau sliding batin-produk.

Conv3D kami menerapkan suatu bentuk korelasi silang.

input Sebuah Tensor . Harus menjadi salah satu jenis berikut: half , bfloat16 , float32 , float64 . Bentuk [batch, in_depth, in_height, in_width, in_channels] .
filters Sebuah Tensor . Harus memiliki tipe yang sama seperti input . Bentuk [filter_depth, filter_height, filter_width, in_channels, out_channels] . in_channels harus sesuai antara input dan filters .
strides Daftar ints yang memiliki panjang >= 5 . 1-D tensor panjang 5. langkah dari jendela geser untuk setiap dimensi dari input . Harus memiliki strides[0] = strides[4] = 1 .
padding Sebuah string dari: "SAME", "VALID" . Jenis algoritma padding untuk digunakan.
data_format Opsional string dari: "NDHWC", "NCDHW" . Defaultnya "NDHWC" . Format data input dan output data. Dengan format default "NDHWC", data disimpan dalam urutan: [batch, in_depth, in_height, in_width, in_channels]. Atau, format bisa "NCDHW", urutan penyimpanan data adalah: [batch, in_channels, in_depth, in_height, in_width].
dilations Sebuah daftar opsional dari ints . Default [1, 1, 1, 1, 1] . 1-D tensor panjang 5. Faktor dilatasi untuk setiap dimensi dari input . Jika set untuk k> 1, akan ada k-1 dilewati sel antara setiap elemen filter pada dimensi itu. Urutan dimensi ditentukan oleh nilai data_format , lihat di atas untuk rincian. Dilations di batch dan kedalaman dimensi harus 1.
name Sebuah nama untuk operasi (opsional).

Sebuah Tensor . Memiliki jenis yang sama seperti input .