tf.keras.layers.ConvLSTM3D

Сверточный LSTM для 3D-данных.

Наследует: RNN, Layer, Operation

tf.keras.layers.ConvLSTM3D(
    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 и преобразования входных данных, и рекуррентные преобразования являются сверточными.

Аргументы
`filters`	Целое число — размерность пространства выходных данных (количество фильтров в свертке).
`kernel_size`	Целое число или кортеж/список из 3 целых чисел, задающих размер окна свертки.
`strides`	Целое число или кортеж/список из 3 целых чисел, задающих длину шага свертки. `strides > 1` несовместим с `dilation_rate > 1`.
`padding`	Строка: `"valid"` или `"same"` (без учета регистра). `"valid"` означает отсутствие дополнения. `"same"` добавляет дополнение равномерно слева/справа или сверху/снизу входных данных, чтобы высота/ширина выходных данных совпадала с высотой/шириной входных данных.
`data_format`	Строка: `"channels_last"` или `"channels_first"`. Порядок измерений во входных данных. `"channels_last"` соответствует входным данным формы `(batch, steps, features)`, а `"channels_first"` — входным данным формы `(batch, features, steps)`. По умолчанию используется значение `image_data_format` из файла конфигурации Keras по адресу `~/.keras/keras.json`. Если значение не задано, будет использоваться `"channels_last"`.
`dilation_rate`	Целое число или кортеж/список из 3 целых чисел, задающих коэффициент расширения для дилатированной свертки.
`activation`	Используемая функция активации. По умолчанию применяется гиперболический тангенс (`tanh(x)`).
`recurrent_activation`	Функция активации для рекуррентного шага.
`use_bias`	Логическое значение: 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 `True`, при инициализации к смещению врат забывания прибавляется 1. Используйте совместно с `bias_initializer="zeros"`. 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, исключаемых при линейном преобразовании входных данных.
`recurrent_dropout`	Число с плавающей точкой от 0 до 1. Доля элементов, исключаемых при линейном преобразовании рекуррентного состояния.
`seed`	Начальное значение генератора случайных чисел для dropout.
`return_sequences`	Логическое значение. Возвращать ли последний выходной элемент 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 `True`, входная последовательность обрабатывается в обратном направлении и возвращается в обратном порядке.
`stateful`	Логическое значение (по умолчанию False). Если `True`, последнее состояние каждого образца с индексом i в пакете используется как начальное состояние образца с индексом i в следующем пакете.
`unroll`	Логическое значение (по умолчанию: `False`). Если `True`, сеть разворачивается, в противном случае используется символьный цикл. Разворачивание может ускорить работу RNN, однако обычно требует больше памяти. Разворачивание подходит только для коротких последовательностей.

Аргументы вызова
`inputs`	Тензор размерности 6.
`mask`	Двоичный тензор формы `(samples, timesteps)`, указывающий, следует ли маскировать данный временной шаг.
`training`	Логическое значение Python, указывающее, должен ли слой работать в режиме обучения или вывода. Это имеет значение только в том случае, если заданы `dropout` или `recurrent_dropout`.
`initial_state`	Список тензоров начального состояния, передаваемых при первом вызове ячейки.

Форма входных данных:

Если data_format='channels_first': тензор размерности 5 формы: (samples, time, channels, *spatial_dims)
Если data_format='channels_last': тензор размерности 5 формы: (samples, time, *spatial_dims, 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, *spatial_dims) при data_format='channels_first' или форму (samples, *spatial_dims, filters) при data_format='channels_last'.
Если return_sequences: тензор размерности 5 формы (samples, timesteps, filters, *spatial_dims) при data_format='channels_first' или формы (samples, timesteps, *spatial_dims, filters) при data_format='channels_last'.
В противном случае: тензор размерности 4 формы (samples, filters, *spatial_dims) при data_format='channels_first' или формы (samples, *spatial_dims, filters) при data_format='channels_last'.

Ссылки:

Shi et al., 2015 (текущая реализация не включает цикл обратной связи для выходных данных ячеек).

Атрибуты
`activation`
`bias_constraint`
`bias_initializer`
`bias_regularizer`
`data_format`
`dilation_rate`
`dropout`
`filters`
`input`	Получает входные тензоры символьной операции. Возвращает только тензоры, соответствующие первому вызову операции.
`kernel_constraint`
`kernel_initializer`
`kernel_regularizer`
`kernel_size`
`output`	Получает выходные тензоры слоя. Возвращает только 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
)

Создает слой на основе его конфигурации.

Этот метод является обратным по отношению к get_config и позволяет создать экземпляр того же слоя из 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/ConvLSTM3D