阅读(8.9k) 书签 (0)

TensorFlow函数教程:tf.nn.conv3d

2019-01-31 13:44 更新

tf.nn.conv3d函数

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

请参阅指南:神经网络>卷积运算

在给定5-D input和filter张量的情况下计算3-D卷积.

在信号处理中,互相关(cross-correlation)是测量两个波形的相似性,是对其中一种波形应用时滞的函数.这也称为滑动点积或滑动内积.

我们的Conv3D实现了一种互相关的形式.

参数:

  • input:一个Tensor,必须是下列类型之一:half,bfloat16,float32,float64,形状[batch, in_depth, in_height, in_width, in_channels].
  • filter:一个Tensor,必须与input相同,形状[filter_depth, filter_height, filter_width, in_channels, out_channels],in_channels必须在input和filter之间匹配.
  • strides:ints的列表,长度>= 5;长度为5的1-D张量,input每个维度的滑动窗口的步幅;必须有strides[0] = strides[4] = 1.
  • padding:string,可以是:"SAME", "VALID";要使用的填充算法的类型.
  • data_format:可选的string,可以是:"NDHWC", "NCDHW";默认为"NDHWC".输入和输出数据的数据格式;使用默认格式“NDHWC”,数据按以下顺序存储:[batch,in_depth,in_height,in_width,in_channels];或者,格式可以是“NCDHW”,数据存储顺序是:[batch,in_channels,in_depth,in_height,in_width].
  • dilations:ints的可选列表;默认为[1, 1, 1, 1, 1];长度为5的1-D张量;input每个维度的膨胀系数;如果设置为k> 1,则该维度上的每个滤镜元素之间将有k-1个跳过的单元格;维度顺序由data_format值确定;批次和深度尺寸的扩张必须为1.
  • name:操作的名称(可选).

返回:

一个Tensor,与input有相同的类型.