tf.keras.layers.ConvLSTM3D

3D Свёрточная LSTM.

Наследуется от: RNN, Layer, Module

tf.keras.layers.ConvLSTM3D(
    filters,
    kernel_size,
    strides=(1, 1, 1),
    padding='valid',
    data_format=None,
    dilation_rate=(1, 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
)

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

Аргументы вызова:

• inputs: 6D тензор.
• mask: Бинарный тензор формы (samples, timesteps) , указывающий, следует ли маскировать определённый временной шаг.
• training: Булево значение Python, указывающее, должен 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' 6D тензор с формой: (samples, time, channels, rows, cols, depth) - Если data_format='channels_last' 5D тензор с формой: (samples, time, rows, cols, depth, channels) Форма выходных данных:

• Если return_state: список тензоров. Первый тензор — это вывод. Остальные тензоры — это последние состояния, каждый 5D тензор с формой: (samples, filters, new_rows, new_cols, new_depth) если data_format='channels_first' или формой: (samples, new_rows, new_cols, new_depth, filters) если data_format='channels_last'. rows, cols, и depth значения могут измениться из-за заполнения.
• Если return_sequences: 6D тензор с формой: (samples, timesteps, filters, new_rows, new_cols, new_depth) если data_format='channels_first' или формой: (samples, timesteps, new_rows, new_cols, new_depth, filters) если data_format='channels_last'.
• В противном случае, 5D тензор с формой: (samples, filters, new_rows, new_cols, new_depth) если data_format='channels_first' или формой: (samples, new_rows, new_cols, new_depth, filters) если data_format='channels_last'.

Ссылки:

• Shi и др., 2015 (в текущей реализации отсутствует обратная связь по выводу ячеек).

Методы

reset_states

Просмотреть исходный код

reset_states(
    states=None
)

Сбросить записанные состояния для состоятельного слоя RNN.

Может использоваться только когда слой RNN был создан с stateful = True. Аргументы: states: Массивы NumPy, содержащие значения для начального состояния, которые будут переданы ячейке в первый временной шаг. Когда значение равно None, будет создан нулевой массив NumPy, основанный на размере состояния ячейки.