ConvLSTM1D
类tf_keras.layers.ConvLSTM1D(
filters,
kernel_size,
strides=1,
padding="valid",
data_format=None,
dilation_rate=1,
activation="tanh",
recurrent_activation="hard_sigmoid",
use_bias=True,
kernel_initializer="glorot_uniform",
recurrent_initializer="orthogonal",
bias_initializer="zeros",
unit_forget_bias=True,
kernel_regularizer=None,
recurrent_regularizer=None,
bias_regularizer=None,
activity_regularizer=None,
kernel_constraint=None,
recurrent_constraint=None,
bias_constraint=None,
return_sequences=False,
return_state=False,
go_backwards=False,
stateful=False,
dropout=0.0,
recurrent_dropout=0.0,
**kwargs
)
一维卷积 LSTM。
类似于 LSTM 层,但输入变换和循环变换都是卷积运算。
参数
dilation_rate
值不兼容。"valid"
或 "same"
之一(不区分大小写)。"valid"
表示无填充。"same"
会在输入的左/右均匀填充,以便输出与输入具有相同的长度维度。channels_last
(默认)或 channels_first
之一。输入中维度的顺序。channels_last
对应于形状为 (batch, time, ..., channels)
的输入,而 channels_first
对应于形状为 (batch, time, channels, ...)
的输入。未指定时,使用在 TF-Keras 配置文件 ~/.keras/keras.json
(如果存在)中的 image_data_format
值,否则为 'channels_last'。默认为 'channels_last'。dilation_rate
值与指定任何 != 1 的 strides
值不兼容。tanh(x)
)。kernel
权重矩阵的初始化器,用于输入的线性变换。recurrent_kernel
权重矩阵的初始化器,用于循环状态的线性变换。bias_initializer="zeros"
结合使用。这在 Jozefowicz 等人,2015 年中被推荐。kernel
权重矩阵的正则化函数。recurrent_kernel
权重矩阵的正则化函数。kernel
权重矩阵的约束函数。recurrent_kernel
权重矩阵的约束函数。调用参数
(samples, timesteps)
的二进制张量,指示是否应屏蔽给定时间步。dropout
或 recurrent_dropout
时才相关。输入形状 - 如果 data_format='channels_first'
形状为 (samples, time, channels, rows)
的 4D 张量 - 如果 data_format='channels_last',形状为 (samples, time, rows, channels)
的 4D 张量
输出形状
return_state
为 True:张量列表。第一个张量是输出。其余张量是最终状态,每个都是 3D 张量,如果 data_format='channels_first',形状为 (samples, filters, new_rows)
;如果 data_format='channels_last',形状为 (samples, new_rows, filters)
。rows
的值可能由于填充而改变。return_sequences
为 True:形状为 (samples, timesteps, filters, new_rows)
的 4D 张量(如果 data_format='channels_first')或形状为 (samples, timesteps, new_rows, filters)
的 4D 张量(如果 data_format='channels_last')。(samples, filters, new_rows)
;如果 data_format='channels_last',形状为 (samples, new_rows, filters)
。引发异常
参考文献