TransposisiConv3D

@frozen
public struct TransposedConv3D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint

Lapisan konvolusi transposisi 3-D (misalnya konvolusi transposisi spasial pada gambar).

Lapisan ini membuat filter konvolusi yang dikonvolusi secara transpos dengan masukan lapisan untuk menghasilkan tensor keluaran.

  • Kernel konvolusi 5-D.

    Pernyataan

    public var filter: 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, Int)

  • Algoritma padding untuk konvolusi.

    Pernyataan

    @noDerivative
public let padding: Padding

  • Properti paddingIndex memungkinkan kita menangani komputasi berdasarkan padding.

    Pernyataan

    @noDerivative
public let paddingIndex: Int

  • Jenis fungsi aktivasi berdasarkan elemen.

    Pernyataan

    public typealias Activation = @differentiable (Tensor<Scalar>) -> Tensor<Scalar>

  • Membuat lapisan TransposedConv3D dengan filter, bias, fungsi aktivasi, langkah, dan padding yang ditentukan.

    Pernyataan

    public init(
  filter: Tensor<Scalar>,
  bias: Tensor<Scalar>? = nil,
  activation: @escaping Activation = identity,
  strides: (Int, Int, Int) = (1, 1, 1),
  padding: Padding = .valid
)

    Parameter

    filter

    Kernel konvolusi 5-D.

    bias

    Vektor bias.

    activation

    Fungsi aktivasi berdasarkan elemen.

    strides

    Langkah jendela geser untuk dimensi spasial.

    padding

    Algoritma padding untuk konvolusi.

  • Mengembalikan keluaran yang diperoleh dari penerapan lapisan ke masukan yang diberikan.

    Pernyataan

    @differentiable
public func forward(_ input: Tensor<Scalar>) -> Tensor<Scalar>

    Parameter

    input

    Masukan ke lapisan.

    Nilai Pengembalian

    Hasil.

  • Membuat lapisan TransposedConv3D dengan bentuk filter, langkah, padding, dan fungsi aktivasi berdasarkan elemen yang ditentukan. Tensor filter diinisialisasi menggunakan inisialisasi seragam Glorot dengan generator yang ditentukan. Vektor bias diinisialisasi dengan nol.

    Pernyataan

    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()
)

    Parameter

    filterShape

    Bentuk kernel konvolusi 5-D.

    strides

    Langkah jendela geser untuk dimensi spasial.

    padding

    Algoritma padding untuk konvolusi.

    activation

    Fungsi aktivasi berdasarkan elemen.

    generator

    Generator nomor acak untuk inisialisasi.