@frozen
public struct TransposedConv2D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
طبقة الالتواء المنقولة ثنائية الأبعاد (على سبيل المثال، الالتواء المكاني المنقول فوق الصور).
تقوم هذه الطبقة بإنشاء مرشح تلافيفي يتم تبديله مع مدخلات الطبقة لإنتاج موتر من المخرجات.
نواة الالتواء رباعية الأبعاد.
تصريح
public var filter: Tensor<Scalar>
ناقل التحيز.
تصريح
public var bias: Tensor<Scalar>
وظيفة التنشيط الحكيمة للعنصر.
تصريح
@noDerivative public let activation: Activation
خطوات النافذة المنزلقة للأبعاد المكانية.
تصريح
@noDerivative public let strides: (Int, Int)
خوارزمية الحشو للالتفاف.
تصريح
@noDerivative public let padding: Padding
تتيح لنا خاصية paddingIndex التعامل مع العمليات الحسابية بناءً على الحشو.
تصريح
@noDerivative public let paddingIndex: Int
ينشئ طبقة
TransposedConv2D
مع المرشح المحدد، والتحيز، ووظيفة التنشيط، والخطوات، والحشو.تصريح
public init( filter: Tensor<Scalar>, bias: Tensor<Scalar>? = nil, activation: @escaping Activation = identity, strides: (Int, Int) = (1, 1), padding: Padding = .valid )
حدود
filter
موتر رباعي الأبعاد للشكل
[height, width, output channel count, input channel count]
.bias
موتر التحيز للشكل
[output channel count]
.activation
وظيفة التنشيط الحكيمة للعنصر.
strides
خطوات النافذة المنزلقة للأبعاد المكانية.
padding
خوارزمية الحشو للالتفاف.
ينشئ طبقة
TransposedConv2D
مع شكل المرشح المحدد، والخطوات، والحشوة، ووظيفة التنشيط حسب العناصر.تصريح
public init( filterShape: (Int, Int, Int, Int), strides: (Int, Int) = (1, 1), padding: Padding = .valid, activation: @escaping Activation = identity, useBias: Bool = true, filterInitializer: ParameterInitializer<Scalar> = glorotUniform(), biasInitializer: ParameterInitializer<Scalar> = zeros() )
حدود
filterShape
موتر رباعي الأبعاد للشكل
[width, height, input channel count, output channel count]
.strides
خطوات النافذة المنزلقة للأبعاد المكانية.
padding
خوارزمية الحشو للالتفاف.
activation
وظيفة التنشيط الحكيمة للعنصر.
filterInitializer
مُهيئ لاستخدامه في معلمات التصفية.
biasInitializer
مُهيئ لاستخدامه في معلمات التحيز.