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 дополнительных сведений.

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 разделяются, то есть на каждом разном фрагменте входа применяется различный набор фильтров.

Примечание: атрибуты слоя не могут быть изменены 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 длину шага свертки.
`padding`	В настоящее время поддерживает только `"valid"` (регистронезависимо). `"same"` может быть поддержано 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` в файле конфигурации Keras по адресу `~/.keras/keras.json`. Если вы никогда его не задавали, то он будет равен "channels_last".
`activation`	Функция активации для использования. Если вы ничего не укажете, активация не будет применена (т.е. активация "linear": `a(x) = x`).
`use_bias`	Булево значение, указывающее, использует ли слой вектор смещения.
`kernel_initializer`	Инициализатор матрицы весов `kernel`.
`bias_initializer`	Инициализатор 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 ядра.
`bias_constraint`	Функция ограничения, применяемая к вектору смещения.
`implementation`	Режим реализации, либо `1`, `2`, или `3`. `1` перебирает пространственные расположения входных данных для выполнения прямого прохода. Он экономит память, но выполняет много (небольших) операций. `2` хранит веса слоя в плотной, но разреженно заполненной 2D-матрице и реализует прямой проход как одно матричное умножение. Он использует много ОЗУ, но выполняет мало (больших) операций. `3` хранит веса слоя в разреженной тензор и реализует прямой проход как одно умножение разреженных матриц. Как выбрать: `1`: большие плотные модели, `2`: маленькие модели, `3`: большие разреженные модели, где "большие" означают большие входные/выходные активации (т.е. много `filters`, `input_filters`, большие `input_size`, `output_size`), а "разреженные" означают мало связей между входами и выходами, т.е. малый коэффициент `filters * input_filters * kernel_size / (input_size * strides)`, где входные и выходные данные слоя предполагаются имеющими формы `(input_size, input_filters)`, `(output_size, filters)` соответственно. Рекомендуется провести бенчмаркинг каждого в интересующей среде, чтобы выбрать наиболее эффективный (с точки зрения скорости и использования памяти). Правильный выбор реализации может привести к значительному улучшению скорости (например, в 50 раз), возможно, за счет использования ОЗУ. Кроме того, 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.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/keras/layers/LocallyConnected1D