공개 최종 수업 Conv3d
5차원 '입력' 및 '필터' 텐서를 사용하여 3차원 컨볼루션을 계산합니다.
신호 처리에서 상호 상관은 두 파형 중 하나에 적용된 시간 지연의 함수로서 두 파형의 유사성을 측정하는 것입니다. 이는 슬라이딩 내적(sliding dot product) 또는 슬라이딩 내적(sliding inner-product)이라고도 합니다.
Conv3D는 상호 상관 형태를 구현합니다.
중첩 클래스
| 수업 | Conv3d.옵션 | Conv3d 의 선택적 속성 | |
상수
| 끈 | OP_NAME | TensorFlow 핵심 엔진에서 알려진 이 작업의 이름 |
공개 방법
| 출력 <T> | 출력 () 텐서의 기호 핸들을 반환합니다. |
| static <T는 Tnumber를 확장합니다. > Conv3d <T> | |
| 정적 Conv3d.Options | dataFormat (문자열 데이터 형식) |
| 정적 Conv3d.Options | 확장 (List<Long> 확장) |
| 출력 <T> | 출력 () |
상속된 메서드
상수
공개 정적 최종 문자열 OP_NAME
TensorFlow 핵심 엔진에서 알려진 이 작업의 이름
상수 값: "Conv3D"
공개 방법
공개 출력 <T> asOutput ()
텐서의 기호 핸들을 반환합니다.
TensorFlow 작업에 대한 입력은 다른 TensorFlow 작업의 출력입니다. 이 메서드는 입력 계산을 나타내는 기호 핸들을 얻는 데 사용됩니다.
public static Conv3d <T> create ( 범위 범위, 피연산자 <T> 입력, 피연산자 <T> 필터, List<Long> 보폭, 문자열 패딩, 옵션... 옵션)
새로운 Conv3d 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
매개변수
| 범위 | 현재 범위 |
|---|---|
| 입력 | `[배치, in_length, in_height, in_width, in_channels]` 형태를 취하세요. |
| 필터 | '[필터_깊이, 필터_높이, 필터_폭, in_channels, out_channels]' 형태를 취하세요. `in_channels`는 `input`과 `filter` 사이에서 일치해야 합니다. |
| 큰 걸음 | 길이가 5인 1차원 텐서. '입력'의 각 차원에 대한 슬라이딩 윈도우의 보폭입니다. `strides[0] = strides[4] = 1`이 있어야 합니다. |
| 심 | 사용할 패딩 알고리즘 유형입니다. |
| 옵션 | 선택적 속성 값을 전달합니다. |
보고
- Conv3d의 새로운 인스턴스
공개 정적 Conv3d.Options dataFormat (문자열 dataFormat)
매개변수
| 데이터형식 | 입력 및 출력 데이터의 데이터 형식입니다. 기본 형식 "NDHWC"를 사용하면 데이터가 [batch, in_length, in_height, in_width, in_channels] 순서로 저장됩니다. 또는 형식이 "NCDHW"일 수 있으며 데이터 저장 순서는 [batch, in_channels, in_length, in_height, in_width]입니다. |
|---|
공개 정적 Conv3d.Options 확장 (List<Long> 확장)
매개변수
| 확장 | 길이가 5인 1차원 텐서. '입력'의 각 차원에 대한 확장 인자입니다. k > 1로 설정되면 해당 차원의 각 필터 요소 사이에 k-1개의 건너뛴 셀이 있게 됩니다. 측정기준 순서는 `data_format` 값에 따라 결정됩니다. 자세한 내용은 위를 참조하세요. 배치 차원과 깊이 차원의 팽창은 1이어야 합니다. |
|---|