tf.keras.layers.ConvLSTM2D

2D Свёрточный 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
)

Аналогичен слою LSTM, но преобразования входных данных и рекуррентные преобразования — оба свёрточные.

Аргументы вызова:

• inputs: 5D тензор.
• mask: Бинарный тензор формы (samples, timesteps) , указывающий, следует ли маскировать определённый шаг во времени.
• training: Булево значение Python, указывающее, должен ли слой вести себя в режиме обучения или в режиме вывода. Этот аргумент передаётся в ячейку при её вызове. Это актуально только если dropout или recurrent_dropout установлены.
• initial_state: Список начальных тензоров 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 вывода:

• Если return_state: список тензоров. Первый тензор — выходные данные. Остальные тензоры — последние состояния, каждый 4D тензор с формой: (samples, filters, new_rows, new_cols) если data_format='channels_first' или 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 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 формой: (samples, new_rows, new_cols, filters) если data_format='channels_last'.

Ссылки:

• Shi et al., 2015 (в текущей реализации петля обратной связи по выводу ячеек не включена).

Методы

reset_states

Просмотреть исходный код

reset_states(
    states=None
)

Сбросить записанные состояния для слоёв RNN со с сохранением состояния.

Может быть использован только, когда слой RNN был сконструирован с stateful = True. Args: states: Массивы NumPy, содержащие значение для начального состояния, которое будет передано ячейке в первый момент времени. Если значение None, будет создан массив NumPy с нулями, основанный на размере состояния ячейки.