tf.compat.v1.nn.conv1d
tf.nn.conv1d
也可用作tf.compat.v1.nn.conv1d
1.函数功能
根据给定的输入3-D 张量和滤波器(filter)张量,计算1D卷积
2.函数参数
tf.nn.conv1d(
value=None,
filters=None,
stride=None,
padding=None,
use_cudnn_on_gpu=None,
data_format=None,
name=None,
input=None,
dilations=None
)
参数 | 含义 |
---|---|
value | 3维的输入张量,其维度是[batch, in_width, in_channels](NWC格式) ,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(如灰度单色是1,RGB图片是3)。 可看作一个平铺开的二维数组[batch, 行数, 列数]即把每一个样本看作一个平铺开的二维数组。value其类型必须是float16, float32, 或者 float64之一 |
filters | 三维张量,类型与输入张量value一致,filters的格式为[filter_width, in_channels, out_channels]。按照value的第二种看法,filter_width可理解为每次与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,可理解为一共有多少个卷积核,也即卷积核的数目。 |
stride | filter在每个步骤中向右移动的步数,可以是一个int整数或者int列表(包含1个或3个int元素的int列表)。。 |
padding | 边界的处理方式, ‘SAME’ 代表给边界加锁padding让卷积的输出和输入保持同样(SAME)的尺寸, 'VALID’表达给边界填充0 |
use_cudnn_on_gpu | 是否使用cudnn加速,bool类型,默认True. |
data_format | 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). |
input | 输入的别名. |
dilations | 输入的每个维度的膨胀因子,可以是一个int值或int的列表(长度是1或者3),默认值是1。如果某维度的膨胀因子(k)大于1,则在该维度上,每个filter元素之间将有k-1个cell被跳过。在batch和depth维度上膨胀因子值必须为1。 |
注意:
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。
3.返回
Tensor,与输入具有相同的类型。
4.可能引发的异常
ValueError:如果data_format无效。