► Keras 3 API 文档 / 层 API / 卷积层 / Conv3D 层

Conv3D 层

`Conv3D` 类

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 卷积层。

此层创建一个卷积核，该卷积核在 3D 空间（或时间）维度（宽度、高度和深度）上与层输入进行卷积，以生成输出张量。如果 use_bias 为 True，则会创建偏差向量并将其添加到输出中。最后，如果 activation 不为 None，则将其应用于输出。

参数

filters：整数，输出空间的维度（卷积中滤波器的数量）。
kernel_size：整数或包含 3 个整数的元组/列表，指定卷积窗口的大小。
strides：整数或包含 3 个整数的元组/列表，指定卷积的步长。strides > 1 与 dilation_rate > 1 不兼容。
padding：字符串，可以是 "valid" 或 "same"（不区分大小写）。"valid" 表示不填充。"same" 会导致在输入的左右或上下均匀填充。当 padding="same" 且 strides=1 时，输出的大小与输入相同。
data_format：字符串，可以是 "channels_last" 或 "channels_first"。输入中维度的顺序。"channels_last" 对应于形状为 (batch_size, spatial_dim1, spatial_dim2, spatial_dim3, channels) 的输入，而 "channels_first" 对应于形状为 (batch_size, channels, spatial_dim1, spatial_dim2, spatial_dim3) 的输入。它默认为 Keras 配置文件（位于 ~/.keras/keras.json）中找到的 image_data_format 值。如果您从未设置过它，则它将为 "channels_last"。
dilation_rate：整数或包含 3 个整数的元组/列表，指定用于膨胀卷积的膨胀率。
groups：一个正整数，指定输入沿通道轴分割的组数。每组分别与 filters // groups 个滤波器进行卷积。输出是所有 groups 结果沿通道轴的连接。输入通道和 filters 都必须能被 groups 整除。
activation：激活函数。如果为 None，则不应用任何激活函数。
use_bias：布尔值，如果为 True，则将偏差添加到输出中。
kernel_initializer：卷积核的初始化器。如果为 None，则将使用默认初始化器（"glorot_uniform"）。
bias_initializer：偏差向量的初始化器。如果为 None，则将使用默认初始化器（"zeros"）。
kernel_regularizer：卷积核的可选正则化器。
bias_regularizer：偏差向量的可选正则化器。
activity_regularizer：输出的可选正则化函数。
kernel_constraint：可选投影函数，应用于由 Optimizer 更新后的内核（例如，用于实现层权重的范数约束或值约束）。该函数必须以未投影变量作为输入，并必须返回投影变量（必须具有相同的形状）。在进行异步分布式训练时，约束的使用不安全。
bias_constraint：可选投影函数，应用于由 Optimizer 更新后的偏差。

输入形状

如果 data_format="channels_last"：5D 张量，形状为：(batch_size, spatial_dim1, spatial_dim2, spatial_dim3, channels)
如果 data_format="channels_first"：5D 张量，形状为：(batch_size, channels, spatial_dim1, spatial_dim2, spatial_dim3)

输出形状

如果 data_format="channels_last"：5D 张量，形状为：(batch_size, new_spatial_dim1, new_spatial_dim2, new_spatial_dim3, filters)
如果 data_format="channels_first"：5D 张量，形状为：(batch_size, filters, new_spatial_dim1, new_spatial_dim2, new_spatial_dim3)

返回值

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

引发异常

ValueError：当 strides > 1 和 dilation_rate > 1 同时出现时。

示例

>>> 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)

Conv3D 层

Conv3D 类

Conv3D 层

Conv3D 类

`Conv3D` 类