Conv3D 層

[原始碼]

Conv3D 類別

keras.layers.Conv3D(
    filters,
    kernel_size,
    strides=(1, 1, 1),
    padding="valid",
    data_format=None,
    dilation_rate=(1, 1, 1),
    groups=1,
    activation=None,
    use_bias=True,
    kernel_initializer="glorot_uniform",
    bias_initializer="zeros",
    kernel_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    kernel_constraint=None,
    bias_constraint=None,
    **kwargs
)

3D 卷積層。

此層創建一個卷積核，該卷積核與層輸入在 3D 空間（或時間）維度（寬度、高度和深度）上進行卷積，以產生輸出張量。如果 use_bias 為 True，則會創建一個偏置向量並添加到輸出中。最後，如果 activation 不是 None，它也會應用於輸出。

參數

• filters：整數，輸出空間的維度（卷積中的濾波器數量）。
• kernel_size：整數或 3 個整數的元組/列表，指定卷積窗口的大小。
• strides：整數或 3 個整數的元組/列表，指定卷積的步幅長度。strides > 1 與 dilation_rate > 1 不相容。
• padding：字串，"valid" 或 "same"（不區分大小寫）。"valid" 表示無填充。"same" 會均勻地填充輸入的左/右或上/下。當 padding="same" 且 strides=1 時，輸出與輸入具有相同的大小。
• data_format：字串，"channels_last" 或 "channels_first"。輸入中維度的順序。"channels_last" 對應於形狀為 (batch_size, spatial_dim1, spatial_dim2, spatial_dim3, channels) 的輸入，而 "channels_first" 對應於形狀為 (batch_size, channels, spatial_dim1, spatial_dim2, spatial_dim3) 的輸入。它預設為在您的 Keras 設定檔 ~/.keras/keras.json 中找到的 image_data_format 值。如果您從未設定它，則它將為 "channels_last"。
• dilation_rate：整數或 3 個整數的元組/列表，指定用於擴張卷積的擴張率。
• groups：一個正整數，指定輸入沿通道軸分割成的組數。每個組與 filters // groups 個濾波器分開進行卷積。輸出是沿通道軸的所有 groups 結果的串聯。輸入通道和 filters 都必須可被 groups 整除。
• activation：激活函數。如果為 None，則不應用激活函數。
• use_bias：布林值，如果為 True，則會將偏置添加到輸出中。
• kernel_initializer：卷積核的初始化器。如果為 None，將使用預設初始化器 ("glorot_uniform")。
• bias_initializer：偏置向量的初始化器。如果為 None，將使用預設初始化器 ("zeros")。
• kernel_regularizer：卷積核的可選正規化器。
• bias_regularizer：偏置向量的可選正規化器。
• activity_regularizer：輸出的可選正規化函數。
• kernel_constraint：可選的投影函數，用於在 Optimizer 更新後應用於核（例如，用於為層權重實施範數約束或值約束）。該函數必須將未投影的變數作為輸入，並且必須傳回投影的變數（必須具有相同的形狀）。當執行異步分佈式訓練時，約束是不安全的。
• bias_constraint：可選的投影函數，用於在 Optimizer 更新後應用於偏置。

輸入形狀

• 如果 data_format="channels_last"：5D 張量，形狀為：(batch_size, spatial_dim1, spatial_dim2, spatial_dim3, channels)
• 如果 data_format="channels_first"：5D 張量，形狀為：(batch_size, channels, spatial_dim1, spatial_dim2, spatial_dim3)

輸出形狀

• 如果 data_format="channels_last"：5D 張量，形狀為：(batch_size, new_spatial_dim1, new_spatial_dim2, new_spatial_dim3, filters)
• 如果 data_format="channels_first"：5D 張量，形狀為：(batch_size, filters, new_spatial_dim1, new_spatial_dim2, new_spatial_dim3)

返回

表示 activation(conv3d(inputs, kernel) + bias) 的 5D 張量。

引發

• ValueError：當 strides > 1 和 dilation_rate > 1 時。

範例

>>> x = np.random.rand(4, 10, 10, 10, 128)
>>> y = keras.layers.Conv3D(32, 3, activation='relu')(x)
>>> print(y.shape)
(4, 8, 8, 8, 32)