tf.keras.layers.ConvLSTM2D

Двумерный свёрточный LSTM.

Наследует: RNN, Layer, Operation

tf.keras.layers.ConvLSTM2D(
    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
)

Подобно слою LSTM, но как преобразования входных данных, так и рекуррентные преобразования являются свёрточными.

Аргументы
`filters`	Целое число, размерность пространства выходных данных (количество фильтров свёртки).
`kernel_size`	Целое число или кортеж/список из 2 целых чисел, задающих размер окна свёртки.
`strides`	Целое число или кортеж/список из 2 целых чисел, задающих шаг свёртки. `strides > 1` несовместим с `dilation_rate > 1`.
`padding`	Строка: `"valid"` или `"same"` (без учёта регистра). `"valid"` означает отсутствие дополнения. При значении `"same"` дополнение равномерно добавляется слева и справа либо сверху и снизу входных данных, чтобы высота и ширина выходных данных совпадали с высотой и шириной входных данных.
`data_format`	Строка: `"channels_last"` или `"channels_first"`. Порядок размерностей во входных данных. `"channels_last"` соответствует входным данным с формой `(batch, steps, features)`, а `"channels_first"` — входным данным с формой `(batch, features, steps)`. По умолчанию используется значение `image_data_format` из файла конфигурации Keras по пути `~/.keras/keras.json`. Если значение не задано, используется `"channels_last"`.
`dilation_rate`	Целое число или кортеж/список из 2 целых чисел, задающих коэффициент разреженной свёртки.
`activation`	Используемая функция активации. По умолчанию применяется гиперболический тангенс (`tanh(x)`).
`recurrent_activation`	Функция активации для рекуррентного шага.
`use_bias`	Логическое значение, указывающее, 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`	Логическое значение. Если задано `True`, при инициализации к смещению вентиля забывания добавляется 1. Используйте вместе с `bias_initializer="zeros"`. Это рекомендуется в работе 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 элементов, отбрасываемых при линейном преобразовании входных данных.
`recurrent_dropout`	Число с плавающей точкой от 0 до 1. Доля элементов, отбрасываемых при линейном преобразовании рекуррентного состояния.
`seed`	Начальное значение генератора случайных чисел для dropout.
`return_sequences`	Логическое значение. Возвращать ли последний выход последовательности или всю последовательность. По умолчанию: `False`.
`return_state`	Логическое значение. Возвращать ли последнее состояние вместе с выходными данными. По умолчанию: `False`.
`go_backwards`	Логическое значение (по умолчанию: `False`). Если задано `True`, входная последовательность обрабатывается в обратном порядке и возвращается перевёрнутая последовательность.
`stateful`	Логическое значение (по умолчанию False). Если задано `True`, последнее состояние каждого примера с индексом i в пакете будет использоваться как начальное состояние примера с индексом i в следующем пакете.
`unroll`	Логическое значение (по умолчанию: `False`). Если задано `True`, сеть будет развёрнута; в противном случае будет использоваться символический цикл. Развёртывание может ускорить RNN, однако обычно требует больше памяти. Оно подходит только для коротких последовательностей.

Аргументы вызова
`inputs`	Тензор размерности 5.
`mask`	Двоичный тензор формы `(samples, timesteps)`, указывающий, следует ли маскировать заданный временной шаг.
`training`	Логическое значение Python, указывающее, должен ли слой работать в режиме обучения или вывода. Этот параметр важен только в том случае, если заданы `dropout` или `recurrent_dropout`.
`initial_state`	Список тензоров начальных состояний, передаваемых при первом вызове ячейки.

Форма входных данных:

Если data_format='channels_first': тензор размерности 5 с формой: (samples, time, channels, rows, cols)
Если data_format='channels_last': тензор размерности 5 с формой: (samples, time, rows, cols, channels)

Форма выходных данных:

Если return_state: список тензоров. Первый тензор — выходной. Остальные тензоры — последние состояния; каждый из них имеет размерность 4 и форму (samples, filters, new_rows, new_cols) при data_format='channels_first' или форму (samples, new_rows, new_cols, filters) при data_format='channels_last'. Значения rows и cols могли измениться из-за дополнения.
Если return_sequences: тензор размерности 5 с формой (samples, timesteps, filters, new_rows, new_cols) при data_format='channels_first' или формой (samples, timesteps, new_rows, new_cols, filters) при data_format='channels_last'.
Иначе: тензор размерности 4 с формой (samples, filters, new_rows, new_cols) при data_format='channels_first' или формой (samples, new_rows, new_cols, filters) при data_format='channels_last'.

Ссылки:

Shi et al., 2015 (текущая реализация не включает обратную связь по выходу ячеек).

Атрибуты
`activation`
`bias_constraint`
`bias_initializer`
`bias_regularizer`
`data_format`
`dilation_rate`
`dropout`
`filters`
`input`	Возвращает входной тензор или тензоры символьной операции. Возвращает только тензор или тензоры, соответствующие первому вызову операции.
`kernel_constraint`
`kernel_initializer`
`kernel_regularizer`
`kernel_size`
`output`	Возвращает выходной тензор или тензоры слоя. Возвращает только тензор или тензоры, соответствующие первому вызову операции.
`padding`
`recurrent_activation`
`recurrent_constraint`
`recurrent_dropout`
`recurrent_initializer`
`recurrent_regularizer`
`strides`
`unit_forget_bias`
`use_bias`

Методы

`from_config`

Просмотреть исходный код

@classmethod
from_config(
    config
)

Создаёт слой на основе его конфигурации.

Этот метод является обратным к get_config и позволяет создать такой же слой на основе словаря конфигурации. Он не обрабатывает связи между слоями (это делает Network) и веса (это делает set_weights).

Аргументы
`config`	Словарь Python, обычно являющийся результатом вызова get_config.

Возвращает
Экземпляр слоя.

`get_initial_state`

Просмотреть 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/ConvLSTM2D