@frozen
public struct TransposedConv3D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
یک لایه کانولوشن انتقالی سه بعدی (مثلاً پیچیدگی جابجا شده فضایی بر روی تصاویر).
این لایه یک فیلتر کانولوشن ایجاد می کند که با ورودی لایه ترانسپوز می شود تا یک تانسور خروجی تولید کند.
هسته کانولوشن 5 بعدی.
اعلام
public var filter: Tensor<Scalar>
بردار تعصب.
اعلام
public var bias: Tensor<Scalar>
تابع فعال سازی از نظر عنصر.
اعلام
@noDerivative public let activation: Activation
گام های پنجره کشویی برای ابعاد فضایی.
اعلام
@noDerivative public let strides: (Int, Int, Int)
الگوریتم padding برای کانولوشن.
اعلام
@noDerivative public let padding: Padding
ویژگی paddingIndex به ما اجازه می دهد تا محاسبات را بر اساس padding انجام دهیم.
اعلام
@noDerivative public let paddingIndex: Int
یک لایه
TransposedConv3D
با فیلتر مشخص شده، بایاس، عملکرد فعالسازی، گامها و padding ایجاد میکند.اعلام
public init( filter: Tensor<Scalar>, bias: Tensor<Scalar>? = nil, activation: @escaping Activation = identity, strides: (Int, Int, Int) = (1, 1, 1), padding: Padding = .valid )
مولفه های
filter
هسته کانولوشن 5 بعدی.
bias
بردار تعصب.
activation
تابع فعال سازی از نظر عنصر.
strides
گام های پنجره کشویی برای ابعاد فضایی.
padding
الگوریتم padding برای کانولوشن.
یک لایه
TransposedConv3D
با شکل فیلتر مشخص شده، گامها، padding و تابع فعالسازی عنصری ایجاد میکند. تانسور فیلتر با استفاده از مقداردهی اولیه یکنواخت Glorot با ژنراتور مشخص شده مقداردهی اولیه می شود. بردار بایاس با صفر آغاز می شود.اعلام
public init( filterShape: (Int, Int, Int, Int, Int), strides: (Int, Int, Int) = (1, 1, 1), padding: Padding = .valid, activation: @escaping Activation = identity, useBias: Bool = true, filterInitializer: ParameterInitializer<Scalar> = glorotUniform(), biasInitializer: ParameterInitializer<Scalar> = zeros() )
مولفه های
filterShape
شکل هسته کانولوشن 5 بعدی.
strides
گام های پنجره کشویی برای ابعاد فضایی.
padding
الگوریتم padding برای کانولوشن.
activation
تابع فعال سازی از نظر عنصر.
generator
مولد اعداد تصادفی برای مقداردهی اولیه.