阅读(11.4k) 书签 (0)

TensorFlow函数:tf.nn.conv1d

2020-07-30 09:49 更新

tf.nn.conv1d函数

tf.nn.conv1d(
    value,
    filters,
    stride,
    padding,
    use_cudnn_on_gpu=None,
    data_format=None,
    name=None
)

定义在:tensorflow/python/ops/nn_ops.py。

请参阅指南:神经网络>卷积运算

计算给定3-D输入和滤波器张量的1-D卷积。(不推荐使用的参数)

更新说明:NCHWfor data_format已弃用,请改用NCW

更新说明:NHWCfor data_format已弃用,请改用NWC

如果data_format是“NWC”,则给定一个形状为[batch,in_width,in_channels]的输入张量,或者如果data_format是“NCW”,并且过滤器/内核张量的形状为[filter_width,in_channels,out_channels],则[batch,in_channels,in_width],此运算重新计算参数,将其传递给 conv2d 以执行等效卷积操作。

在内部,这个操作重塑输入张量并调用tf.nn.conv2d。例如,如果data_format不以“NC”开头,则将形状为[batch,in_width,in_channels]的张量重新变为形状[batch,1,in_width,in_channels],并将滤波器的形状调整为[1,filter_width,in_channels,out_channels ]。然后将结果重新转换回[batch,out_width,out_channels](其中out_width是步幅和填充的函数,如conv2d中所示)并返回给调用方。

参数:

  • value:在注释中,value的格式为:[batch, in_width, in_channels],batch为样本维,表示多少个样本,in_width为宽度维,表示样本的宽度,in_channels维通道维,表示样本有多少个通道。
  • filters:filters:在注释中,filters的格式为:[filter_width, in_channels, out_channels]。按照value的第二种看法,filter_width可以看作每次与value进行卷积的行数,in_channels表示value一共有多少列(与value中的in_channels相对应)。out_channels表示输出通道,可以理解为一共有多少个卷积核,即卷积核的数目。
  • stride:一个整数,表示步长,每次(向下)移动的距离。
  • padding:'SAME'或'VALID'
  • use_cudnn_on_gpu:可选的bool,默认为True。
  • data_format:一个可选的string,可以是"NWC"和"NCW";默认为"NWC",数据按[batch,in_width,in_channels]的顺序存储;"NCW"格式将数据存储为[batch, in_channels, in_width]。
  • name:操作的名称(可选)。

返回:

一Tensor,与输入具有相同的类型。

可能引发的异常:

  • ValueError:如果data_format无效。