tf.keras.layers.ConvLSTM1D

Одномерный свёрточный LSTM.

Наследует от: RNN, Layer, Operation

tf.keras.layers.ConvLSTM1D(
    filters,
    kernel_size,
    strides=1,
    padding='valid',
    data_format=None,
    dilation_rate=1,
    activation='tanh',
    recurrent_activation='sigmoid',
    use_bias=True,
    kernel_initializer='glorot_uniform',
    recurrent_initializer='orthogonal',
    bias_initializer='zeros',
    unit_forget_bias=True,
    kernel_regularizer=None,
    recurrent_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    kernel_constraint=None,
    recurrent_constraint=None,
    bias_constraint=None,
    dropout=0.0,
    recurrent_dropout=0.0,
    seed=None,
    return_sequences=False,
    return_state=False,
    go_backwards=False,
    stateful=False,
    **kwargs
)

Аналогичен слою LSTM, но преобразования входных данных и рекуррентные преобразования являются свёрточными.

Аргументы
`filters`	целое число, размерность выходного пространства (количество фильтров в свёртке).
`kernel_size`	целое число или кортеж/список из 1 целого числа, определяющий размер окна свёртки.
`strides`	целое число или кортеж/список из 1 целого числа, определяющий шаг свёртки. `strides > 1` несовместим с `dilation_rate > 1`.
`padding`	строка, `"valid"` или `"same"` (регистр не учитывается). `"valid"` означает отсутствие заполнения. `"same"` приводит к равномерному дополнению слева/справа или сверху/снизу входных данных таким образом, что выходные данные имеют такую же высоту/ширину, как входные данные.
`data_format`	строка, либо `"channels_last"` или `"channels_first"`. Порядок размерностей во входных данных. `"channels_last"` соответствует входным данным с формой `(batch, steps, features)`, а `"channels_first"` соответствует входным данным с формой `(batch, features, steps)`. По умолчанию используется значение `image_data_format`, найденное в вашем файле конфигурации Keras по адресу `~/.keras/keras.json`. Если вы его никогда не устанавливали, то он будет `"channels_last"`.
`dilation_rate`	целое число или кортеж/список из 1 целого числа, определяющий коэффициент расширения для свёртки с расширением.
`activation`	Функция активации. По умолчанию применяется гиперболическая функция активации (`tanh(x)`).
`recurrent_activation`	Функция активации для рекуррентного шага.
`use_bias`	Булево значение, указывает, использует ли слой вектор смещения.
`kernel_initializer`	Инициализатор матрицы весов `kernel`, используемой для линейного преобразования входных данных.
`recurrent_initializer`	Инициализатор матрицы весов `recurrent_kernel`, используемой для линейного преобразования рекуррентного состояния.
`bias_initializer`	Инициализатор вектора смещения.
`unit_forget_bias`	Булево значение. Если `True`, добавить 1 к смещению забывающего блока при инициализации. Используется в сочетании с `bias_initializer="zeros"`. Рекомендуется в Jozefowicz et al., 2015.
`kernel_regularizer`	Функция регуляризации, применяемая к матрице весов `kernel`.
`recurrent_regularizer`	Функция регуляризации, применяемая к матрице весов `recurrent_kernel`.
`bias_regularizer`	Функция регуляризации, применяемая к вектору смещения.
`activity_regularizer`	Функция регуляризации, применяемая к.
`kernel_constraint`	Функция ограничения, применяемая к матрице весов `kernel`.
`recurrent_constraint`	Функция ограничения, применяемая к матрице весов `recurrent_kernel`.
`bias_constraint`	Функция ограничения, применяемая к вектору смещения.
`dropout`	Число с плавающей точкой от 0 до 1. Доля единиц, которые нужно отбросить для линейного преобразования входных данных.
`recurrent_dropout`	Число с плавающей точкой от 0 до 1. Доля единиц, которые нужно отбросить для линейного преобразования рекуррентного состояния.
`seed`	Случайное семя для отбрасывания.
`return_sequences`	Булево значение. Возвращать ли только последний выход в последовательности или всю последовательность. По умолчанию: `False`.
`return_state`	Булево значение. Возвращать ли последнее состояние в дополнение к выходу. По умолчанию: `False`.
`go_backwards`	Булево значение (по умолчанию: `False`). Если `True`, обработать последовательность входных данных в обратном порядке и вернуть обращенную последовательность.
`stateful`	Булево значение (по умолчанию False). Если `True`, последнее состояние для каждого образца с индексом i в пачке будет использоваться в качестве начального состояния для образца с индексом i в следующей пачке.
`unroll`	Булево значение (по умолчанию: `False`). Если `True`, сеть будет развернута, иначе будет использоваться символический цикл. Развертывание может ускорить RNN, хотя оно, как правило, более ресурсоёмкое. Развертывание подходит только для коротких последовательностей.

Аргументы вызова
`inputs`	4D тензор.
`initial_state`	Список тензоров начального состояния, которые необходимо передать в первый вызов ячейки.
`mask`	Двоичный тензор формы `(samples, timesteps)`, указывающий, должен ли быть замаскирован определённый временной шаг.
`training`	Булево значение, указывающее, должно ли слой работать в режиме обучения или в режиме вывода. Это актуально только если `dropout` или `recurrent_dropout` установлены.

Форма входных данных:

Если data_format="channels_first": 4D тензор с формой: (samples, time, channels, rows)
Если data_format="channels_last": 4D тензор с формой: (samples, time, rows, channels)

Форма выходных данных:

Если return_state: список тензоров. Первый тензор — выход. Остальные тензоры — последние состояния, каждый 3D тензор с формой: (samples, filters, new_rows) если data_format='channels_first' или формой: (samples, new_rows, filters) если data_format='channels_last'. Значения rows могут измениться из-за заполнения.
Если return_sequences: 4D тензор с формой: (samples, timesteps, filters, new_rows) если data_format='channels_first' или формой: (samples, timesteps, new_rows, filters) если data_format='channels_last'.
В противном случае, 3D тензор с формой: (samples, filters, new_rows) если data_format='channels_first' или формой: (samples, new_rows, filters) если data_format='channels_last'.

Ссылки:

Shi et al., 2015 (текущая реализация не включает петлю обратной связи по выходу ячеек).

Атрибуты
`activation`
`bias_constraint`
`bias_initializer`
`bias_regularizer`
`data_format`
`dilation_rate`
`dropout`
`filters`
`input`	Получает тензор(ы) входных данных символической операции. Возвращает только тензор(ы), соответствующие первому вызову операции.
`kernel_constraint`
`kernel_initializer`
`kernel_regularizer`
`kernel_size`
`output`	Получает тензор(ы) выходных данных слоя. Возвращает только тензор(ы), соответствующие первому вызову операции.
`padding`
`recurrent_activation`
`recurrent_constraint`
`recurrent_dropout`
`recurrent_initializer`
`recurrent_regularizer`
`strides`
`unit_forget_bias`
`use_bias`

Методы

`from_config`

Посмотреть исходный код

@classmethod
from_config(
    config
)

Создаёт слой по его конфигурации.

Этот метод — обратное действие get_config, способное создать тот же самый слой из словаря конфигурации. Он не обрабатывает соединение слоёв (это обрабатывается сетью), а также веса (это обрабатывается set_weights).

Аргументы
`config`	Словарь Python, как правило, результат вызова get_config.

Возвращает
Экземпляр слоя.

`get_initial_state`

Посмотреть исходный код

get_initial_state(
    batch_size
)

`inner_loop`

Просмотреть исходный код

inner_loop(
    sequences, initial_state, mask, training=False
)

`reset_state`

Просмотреть исходный код

reset_state()

`reset_states`

Просмотреть исходный код

reset_states()

`symbolic_call`

Просмотреть исходный код

symbolic_call(
    *args, **kwargs
)

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/keras/layers/ConvLSTM1D