tf.nn.conv3d 讲解

tensorflow 中的 tf.nn.conv3d

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

在生成的文件中定义：tensorflow/python/ops/gen_nn_ops.py。

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，互相关是两个波形的相似性的度量，作为应用于其中一个的时滞的函数。这也称为滑点产品或滑动内积。

我们的Conv3D实现了一种互相关的形式。

ARGS：
input：A 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：A Tensor。必须与…相同input。形状[filter_depth, filter_height, filter_width, in_channels, out_channels]。in_channels必须匹配input和filter。
strides：列表中ints有长度>= 5。1-D张量长度为5.每个尺寸的滑动窗口的步幅input。必须有strides[0] = strides[4] = 1。
padding：string来自：“SAME”, “VALID”。要使用的填充算法的类型。
data_format：可选string来自：“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：可选列表ints。默认为[1, 1, 1, 1, 1]。1-D张量长度为5.每个维度的膨胀系数 input。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。维度顺序由值确定data_format，详见上文。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Tensor。具有相同的类型input。