tensorflow:: ops:: Conv3D

Oblicza splot 3-D na podstawie input 5-D i tensorów filter .

Streszczenie

W przetwarzaniu sygnałów korelacja krzyżowa to miara podobieństwa dwóch przebiegów jako funkcji opóźnienia czasowego przyłożonego do jednego z nich. Jest ona również znana jako przesuwny iloczyn skalarny lub przesuwny iloczyn wewnętrzny.

Nasz Conv3D implementuje formę korelacji krzyżowej.

Argumenty:

• zakres: obiekt zakresu
• wejście: Kształt [batch, in_depth, in_height, in_width, in_channels] .
• filtr: Kształt [filter_depth, filter_height, filter_width, in_channels, out_channels] . in_channels muszą być takie same pomiędzy input a filter .
• kroki: 1-wymiarowy tensor o długości 5. Krok przesuwanego okna dla każdego wymiaru danych input . Musi mieć strides[0] = strides[4] = 1 .
• padding: Typ algorytmu wypełniania, który ma zostać użyty.

Atrybuty opcjonalne (patrz Attrs ):

• data_format: Format danych wejściowych i wyjściowych. W domyślnym formacie „NDHWC” dane są przechowywane w kolejności: [partia, głębokość, wysokość, szerokość, kanały]. Alternatywnie, format może mieć postać „NCDHW”. Kolejność przechowywania danych to: [partia, kanały, głębokość, wysokość, szerokość].
• Dylatacje: jednowymiarowy tensor o długości 5. Współczynnik dylatacji dla każdego wymiaru danych input . Jeśli ustawione na k > 1, między każdym elementem filtru w tym wymiarze będzie k-1 pominiętych komórek. Kolejność wymiarów jest określana przez wartość data_format , szczegóły powyżej. Dylatacje w wymiarach wsadowych i głębokości muszą wynosić 1.

Zwroty:

• Output : Tensor wyjściowy.

Atrybuty publiczne

Operation operation

::tensorflow::Output output

 Conv3D(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding
)

 Conv3D(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding,
  const Conv3D::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs DataFormat(
  StringPiece x
)

Attrs Dilations(
  const gtl::ArraySlice< int > & x
)