@frozen
public struct SeparableConv2D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
Lapisan konvolusi 2-D yang dapat dipisahkan.
Lapisan ini melakukan konvolusi mendalam yang bekerja secara terpisah pada saluran diikuti dengan konvolusi titik yang mencampurkan saluran.
Kernel konvolusi mendalam 4-D.
Pernyataan
public var depthwiseFilter: Tensor<Scalar>
Kernel konvolusi titik 4-D.
Pernyataan
public var pointwiseFilter: Tensor<Scalar>
Vektor bias.
Pernyataan
public var bias: Tensor<Scalar>
Fungsi aktivasi berdasarkan elemen.
Pernyataan
@noDerivative public let activation: Activation
Langkah jendela geser untuk dimensi spasial.
Pernyataan
@noDerivative public let strides: (Int, Int)
Algoritma padding untuk konvolusi.
Pernyataan
@noDerivative public let padding: Padding
Membuat lapisan
SeparableConv2D
dengan filter, bias, fungsi aktivasi, langkah, dan bantalan yang ditentukan secara mendalam dan tepat.Pernyataan
public init( depthwiseFilter: Tensor<Scalar>, pointwiseFilter: Tensor<Scalar>, bias: Tensor<Scalar>? = nil, activation: @escaping Activation = identity, strides: (Int, Int) = (1, 1), padding: Padding = .valid )
Parameter
depthwiseFilter
Kernel konvolusi mendalam 4-D
[filter height, filter width, input channels count, channel multiplier]
.pointwiseFilter
Kernel konvolusi pointwise 4-D
[1, 1, channel multiplier * input channels count, output channels count]
.bias
Vektor bias.
activation
Fungsi aktivasi berdasarkan elemen.
strides
Langkah jendela geser untuk dimensi spasial.
padding
Algoritma padding untuk konvolusi.
Membuat lapisan
SeparableConv2D
dengan bentuk filter, langkah, padding, dan fungsi aktivasi berdasarkan elemen yang ditentukan secara mendalam dan tepat.Pernyataan
public init( depthwiseFilterShape: (Int, Int, Int, Int), pointwiseFilterShape: (Int, Int, Int, Int), strides: (Int, Int) = (1, 1), padding: Padding = .valid, activation: @escaping Activation = identity, useBias: Bool = true, depthwiseFilterInitializer: ParameterInitializer<Scalar> = glorotUniform(), pointwiseFilterInitializer: ParameterInitializer<Scalar> = glorotUniform(), biasInitializer: ParameterInitializer<Scalar> = zeros() )
Parameter
depthwiseFilterShape
Bentuk kernel konvolusi mendalam 4-D.
pointwiseFilterShape
Bentuk kernel konvolusi titik 4-D.
strides
Langkah jendela geser untuk dimensi spasial/spatio-temporal.
padding
Algoritma padding untuk konvolusi.
activation
Fungsi aktivasi berdasarkan elemen.
filterInitializer
Inisialisasi yang digunakan untuk parameter filter.
biasInitializer
Inisialisasi yang akan digunakan untuk parameter bias.