@frozen
public struct Conv2D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint2D 컨볼루션 레이어(예: 이미지에 대한 공간 컨볼루션)
이 레이어는 레이어 입력과 컨볼루션되어 출력 텐서를 생성하는 컨볼루션 필터를 생성합니다.
4차원 컨벌루션 필터.
선언
public var filter: Tensor<Scalar>바이어스 벡터.
선언
public var bias: Tensor<Scalar>요소별 활성화 함수.
선언
@noDerivative public let activation: Activation공간적 차원을 위한 슬라이딩 윈도우의 발전.
선언
@noDerivative public let strides: (Int, Int)컨볼루션을 위한 패딩 알고리즘입니다.
선언
@noDerivative public let padding: Padding공간 차원의 확장 인자입니다.
선언
@noDerivative public let dilations: (Int, Int)지정된 필터, 바이어스, 활성화 함수, 스트라이드, 팽창 및 패딩을 사용하여
Conv2D레이어를 생성합니다.선언
public init( filter: Tensor<Scalar>, bias: Tensor<Scalar>? = nil, activation: @escaping Activation = identity, strides: (Int, Int) = (1, 1), padding: Padding = .valid, dilations: (Int, Int) = (1, 1) )매개변수
filter[필터 높이, 필터 너비, 입력 채널 수, 출력 채널 수] 모양의 4D 컨벌루션 필터입니다.
bias[출력 채널 수] 모양의 바이어스 벡터입니다.
activation요소별 활성화 함수.
strides공간 차원(보폭 높이, 보폭)에 대한 슬라이딩 창의 보폭입니다.
padding컨볼루션을 위한 패딩 알고리즘입니다.
dilations공간 차원에 대한 팽창 인자(팽창 높이, 팽창 폭).
주어진 입력에 레이어를 적용하여 얻은 출력을 반환합니다.
출력 공간 차원은 다음과 같이 계산됩니다.
출력 높이 = (입력 높이 + 2 * 패딩 높이 - (팽창 높이 * (필터 높이 - 1) + 1)) / 보폭 높이 + 1
출력 너비 = (입력 너비 + 2 * 패딩 너비 - (팽창 너비 * (필터 너비 - 1) + 1)) / 보폭 + 1
패딩 크기는 패딩 방식에 따라 결정됩니다.
메모
.valid사용할 때 패딩 크기는 0입니다.매개변수
input[배치 크기, 입력 높이, 입력 너비, 입력 채널 수] 모양의 레이어에 대한 입력입니다.
반환 값
모양 [배치 수, 출력 높이, 출력 너비, 출력 채널 수]의 출력입니다.
지정된 필터 모양, 보폭, 패딩, 확장 및 요소별 활성화 함수를 사용하여
Conv2D레이어를 만듭니다.선언
public init( filterShape: (Int, Int, Int, Int), strides: (Int, Int) = (1, 1), padding: Padding = .valid, dilations: (Int, Int) = (1, 1), activation: @escaping Activation = identity, useBias: Bool = true, filterInitializer: ParameterInitializer<Scalar> = glorotUniform(), biasInitializer: ParameterInitializer<Scalar> = zeros() )매개변수
filterShape(필터 높이, 필터 너비, 입력 채널 수, 출력 채널 수)를 나타내는 4차원 컨벌루션 필터의 모양입니다.
strides공간 차원(보폭 높이, 보폭)에 대한 슬라이딩 창의 보폭입니다.
padding컨볼루션을 위한 패딩 알고리즘입니다.
dilations공간 차원에 대한 팽창 인자(팽창 높이, 팽창 폭).
activation요소별 활성화 함수.
filterInitializer필터 매개변수에 사용할 초기화 프로그램입니다.
biasInitializer바이어스 매개변수에 사용할 초기화 프로그램입니다.