tf.keras.layers.LocallyConnected1D

Локально-связанный слой для 1D входных данных.

Наследуется от: Layer, Module

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительной информации.

tf.compat.v1.keras.layers.LocallyConnected1D

tf.keras.layers.LocallyConnected1D(
    filters, kernel_size, strides=1, padding='valid', data_format=None,
    activation=None, use_bias=True, kernel_initializer='glorot_uniform',
    bias_initializer='zeros', kernel_regularizer=None,
    bias_regularizer=None, activity_regularizer=None, kernel_constraint=None,
    bias_constraint=None, implementation=1, **kwargs
)

Слой LocallyConnected1D работает аналогично слою Conv1D, за исключением того, что веса не совместно используются, то есть набор фильтров применяется к каждому участку входных данных.

Примечание: атрибуты слоя нельзя изменить после того, как слой был вызван один раз (за исключением атрибута trainable).

Пример:

# apply a unshared weight convolution 1d of length 3 to a sequence with
# 10 timesteps, with 64 output filters
model = Sequential()
model.add(LocallyConnected1D(64, 3, input_shape=(10, 32)))
# now model.output_shape == (None, 8, 64)
# add a new conv1d on top
model.add(LocallyConnected1D(32, 3))
# now model.output_shape == (None, 6, 32)

Аргументы
`filters`	Целое число, размерность выходного пространства (то есть количество выходных фильтров в свертке).
`kernel_size`	Целое число или кортеж/список из одного целого числа, определяющий длину окна 1D свертки.
`strides`	Целое число или кортеж/список из одного целого числа, определяющий шаг свертки. Указание любого значения шага != 1 несовместимо с указанием любого значения `dilation_rate` != 1.
`padding`	В настоящее время поддерживает только `"valid"` (регистронезависимо). `"same"` может быть поддерживается в будущем. `"valid"` означает отсутствие заполнения.
`data_format`	Строка, одна из `channels_last` (по умолчанию) или `channels_first`. Порядок измерений во входных данных. `channels_last` соответствует входным данным с формой `(batch, length, channels)`, в то время как `channels_first` соответствует входным данным с формой `(batch, channels, length)`. 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 равен "channels_last".
`activation`	Функция активации для использования. Если вы ничего не укажете, активация не применяется (то есть активация "линейная": `a(x) = x`).
`use_bias`	Булево значение, определяющее, использует ли слой вектор смещения.
`kernel_initializer`	Инициализатор для матрицы весов `kernel` .
`bias_initializer`	Инициализатор для вектора смещения.
`kernel_regularizer`	Функция регуляризации, применяемая к матрице весов `kernel` .
`bias_regularizer`	Функция регуляризации, применяемая к вектору смещения.
`activity_regularizer`	Функция регуляризации, применяемая к выходу слоя (его "активации").
`kernel_constraint`	Функция ограничения, применяемая к матрице ядер.
`bias_constraint`	Функция ограничения, применяемая к вектору смещения.
`implementation`	Режим реализации, либо `1`, `2`, или `3`. `1` перебирает пространственные позиции входных данных для выполнения прямого прохода. Это эффективно с точки зрения памяти, но выполняет много (небольших) операций. `2` хранит веса слоя в плотной, но разреженной 2D матрице и реализует прямой проход как одно матричное умножение. Он использует много оперативной памяти, но выполняет немного (больших) операций. `3` хранит веса слоя в разреженном тензоре и реализует прямой проход как одно умножение разреженной матрицы. Как выбрать: `1`: большие плотные модели, `2`: небольшие модели, `3`: большие разреженные модели, где "большой" означает большие входные/выходные активации (т.е. много `filters`, `input_filters`, большие `input_size`, `output_size`), а "разреженный" означает немного связей между входами и выходами, т.е. небольшой коэффициент `filters * input_filters * kernel_size / (input_size * strides)`, где входные и выходные данные слоя предполагаются иметь форму `(input_size, input_filters)`, `(output_size, filters)` соответственно. Рекомендуется провести бенчмаркинг каждого в рассматриваемой среде, чтобы выбрать наиболее эффективный (с точки зрения скорости и использования памяти). Правильный выбор реализации может привести к значительным улучшениям скорости (например, в 50 раз), возможно, ценой оперативной памяти. Также только `padding="valid"` поддерживается `implementation=1`.

Форма входных данных:

3D тензор с формой: (batch_size, steps, input_dim)

Форма выходных данных:

3D тензор с формой: (batch_size, new_steps, filters) steps значение может измениться из-за заполнения или шагов.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.4/api_docs/python/tf/keras/layers/LocallyConnected1D