tf.keras.layers.ConvLSTM1D

1D Сверточная LSTM.

Наследуется от: RNN, Layer, Module

tf.keras.layers.ConvLSTM1D(
    filters,
    kernel_size,
    strides=1,
    padding='valid',
    data_format=None,
    dilation_rate=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
)

Аналогично слою LSTM, но преобразования входных данных и рекуррентные преобразования являются сверточными.

Аргументы вызова:

• inputs: 4-мерный тензор.
• mask: Двоичный тензор формы (samples, timesteps) указывающий, должен ли быть замаскирован данный 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 начальных тензоров состояния, которые необходимо передать в первый вызов ячейки.

Форма ввода: - Если data_format='channels_first' 4-мерный тензор с формой: (samples, time, channels, rows) - Если data_format='channels_last' 4-мерный тензор с формой: (samples, time, rows, channels) Форма вывода:

• Если return_state: список тензоров. Первый тензор — вывод. Остальные тензоры — последние состояния, каждый из которых является 3-мерным тензором с формой: (samples, filters, new_rows) если data_format='channels_first' или формой: (samples, new_rows, filters) если data_format='channels_last'. rows значения могут измениться из-за заполнения.
• Если return_sequences: 4-мерный тензор с формой: (samples, timesteps, filters, new_rows) если data_format='channels_first' или формой: (samples, timesteps, new_rows, filters) если data_format='channels_last'.
• В противном случае, 3-мерный тензор с формой: (samples, filters, new_rows) если data_format='channels_first' или формой: (samples, new_rows, filters) если data_format='channels_last'.

Ссылки:

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

Методы

reset_states

Просмотреть исходный код

reset_states(
    states=None
)

Сбросить записанные состояния для рекуррентного слоя со stateful.

Может быть использован только когда слой RNN построен с stateful = True. Args: states: Массивы NumPy, содержащие значения для начального состояния, которые будут переданы ячейке в первый временной шаг. Когда значение равно None, будет создан массив NumPy, заполненный нулями, на основе размера состояния ячейки.