TensorFlow函數(shù)教程：tf.nn.conv3d

tf.nn.conv3d函數(shù)

tf.nn.conv3d(
    input,
    filter,
    strides,
    padding,
    data_format='NDHWC',
    dilations=[1, 1, 1, 1, 1],
    name=None
)

請(qǐng)參閱指南：神經(jīng)網(wǎng)絡(luò)>卷積運(yùn)算

在給定5-D input和filter張量的情況下計(jì)算3-D卷積.

在信號(hào)處理中,互相關(guān)(cross-correlation)是測(cè)量?jī)蓚€(gè)波形的相似性,是對(duì)其中一種波形應(yīng)用時(shí)滯的函數(shù).這也稱為滑動(dòng)點(diǎn)積或滑動(dòng)內(nèi)積.

我們的Conv3D實(shí)現(xiàn)了一種互相關(guān)的形式.

參數(shù)：

• input：一個(gè)Tensor,必須是下列類型之一：half,bfloat16,float32,float64,形狀[batch, in_depth, in_height, in_width, in_channels].
• filter：一個(gè)Tensor,必須與input相同,形狀[filter_depth, filter_height, filter_width, in_channels, out_channels],in_channels必須在input和filter之間匹配.
• strides：ints的列表,長(zhǎng)度>= 5；長(zhǎng)度為5的1-D張量,input每個(gè)維度的滑動(dòng)窗口的步幅；必須有strides[0] = strides[4] = 1.
• padding：string,可以是："SAME", "VALID"；要使用的填充算法的類型.
• data_format：可選的string,可以是："NDHWC", "NCDHW"；默認(rèn)為"NDHWC".輸入和輸出數(shù)據(jù)的數(shù)據(jù)格式；使用默認(rèn)格式“NDHWC”,數(shù)據(jù)按以下順序存儲(chǔ)：[batch,in_depth,in_height,in_width,in_channels]；或者,格式可以是“NCDHW”,數(shù)據(jù)存儲(chǔ)順序是：[batch,in_channels,in_depth,in_height,in_width].
• dilations：ints的可選列表；默認(rèn)為[1, 1, 1, 1, 1]；長(zhǎng)度為5的1-D張量；input每個(gè)維度的膨脹系數(shù)；如果設(shè)置為k> 1,則該維度上的每個(gè)濾鏡元素之間將有k-1個(gè)跳過的單元格；維度順序由data_format值確定；批次和深度尺寸的擴(kuò)張必須為1.
• name：操作的名稱(可選).

返回：

一個(gè)Tensor,與input有相同的類型.