tf.keras.layers.ConvLSTM2D

Сверточная LSTM.

Наследуется от: RNN, Layer, Module

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
)

Она похожа на слой LSTM, но преобразования входных данных и рекуррентные преобразования — оба сверточные.

Аргументы вызова:

• inputs: 5D тензор.
• mask: Бинарный тензор формы (samples, timesteps) , указывающий, должен ли быть замаскирован определенный временной шаг.
• training: Булево значение Python, указывающее, должен ли слой работать в режиме обучения или в режиме вывода. Этот аргумент передается ячейке при ее вызове. Это актуально только если dropout или recurrent_dropout заданы.
• initial_state: Список тензоров начального состояния, которые должны быть переданы 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 — выход. 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 et al., 2015 (текущая реализация не включает петлю обратной связи на выходе ячеек).

Методы

reset_states

Просмотреть исходный код

reset_states(
    states=None
)

Сбросить записанные состояния для состоятельного слоя RNN.

Может использоваться только тогда, когда слой RNN создан с stateful = True. Аргументы: состояния: массивы NumPy, содержащие значение для начального состояния, которое будет передано ячейке на первом временном шаге. Если значение None, будет создан массив NumPy с нулями, соответствующий размеру состояния ячейки.