tf.keras.layers.ConvLSTM2D

Свёрточный LSTM.

tf.keras.layers.ConvLSTM2D(
    filters, kernel_size, strides=(1, 1), padding='valid', data_format=None,
    dilation_rate=(1, 1), activation='tanh', recurrent_activation='hard_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, return_sequences=False,
    return_state=False, go_backwards=False, stateful=False, dropout=0.0,
    recurrent_dropout=0.0, **kwargs
)

Он похож на слой LSTM, но преобразования входных данных и рекуррентные преобразования являются свёрточными.

Аргументы вызова:

• inputs: 5D тензор.
• mask: Бинарный тензор формы (samples, timesteps), указывающий, следует ли маскировать данный временной шаг.
• training: Булево значение Python, указывающее, должно ли слой вести себя в режиме обучения или в режиме вывода. Этот аргумент передаётся ячейке при её вызове. Это актуально только если dropout или recurrent_dropout установлены.
• initial_state: Список начальных тензоров состояния, передаваемых в первый вызов ячейки.

Форма входных данных:

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

Форма выходных данных:

• Если return_state: список тензоров. Первый тензор — результат. Остальные тензоры — последние состояния, каждый 4D тензор с формой: (samples, filters, new_rows, new_cols) если data_format='channels_first' или 4D тензор с формой: (samples, new_rows, new_cols, filters) если data_format='channels_last'. rows и cols значения могут измениться из-за заполнения.
• Если return_sequences: 5D тензор с формой: (samples, timesteps, filters, new_rows, new_cols) если data_format='channels_first' или 5D тензор с формой: (samples, timesteps, new_rows, new_cols, filters) если data_format='channels_last'.
• В противном случае, 4D тензор с формой: (samples, filters, new_rows, new_cols) если data_format='channels_first' или 4D тензор с формой: (samples, new_rows, new_cols, filters) если data_format='channels_last'.

Ссылки:

• Shi и др., 2015 (текущая реализация не включает обратную связь по выходу ячейки).

Методы

reset_states

Просмотреть исходный код

reset_states(
    states=None
)

Сбросить записанные состояния для рекуррентного слоя RNN с состоянием.

Может быть использован только при построении слоя RNN со значением stateful = True. Аргументы: состояния: Numpy массивы, содержащие значение для начального состояния, которое будет передано ячейке на первом временном шаге. При значении None будет создан нулевым образом заполненный numpy массив, основанный на размере состояния ячейки.