ConvLSTM2D
类keras.layers.ConvLSTM2D(
filters,
kernel_size,
strides=1,
padding="valid",
data_format=None,
dilation_rate=1,
activation="tanh",
recurrent_activation="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,
dropout=0.0,
recurrent_dropout=0.0,
seed=None,
return_sequences=False,
return_state=False,
go_backwards=False,
stateful=False,
**kwargs
)
二维卷积 LSTM。
与 LSTM 层类似,但输入变换和循环变换都是卷积形式。
参数
strides > 1
与 dilation_rate > 1
不兼容。"valid"
或 "same"
(不区分大小写)。"valid"
表示无填充。"same"
表示在输入的左/右或上/下均匀填充,使输出与输入具有相同的⾼度/宽度维度。"channels_last"
或 "channels_first"
。输入的维度顺序。"channels_last"
对应形状为 (batch, steps, features)
的输入,而 "channels_first"
对应形状为 (batch, features, steps)
的输入。默认为 Keras 配置文件 ~/.keras/keras.json
中的 image_data_format
值。如果从未设置,则默认为 "channels_last"
。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。True
,则在初始化时将遗忘门的偏置加 1。与 bias_initializer="zeros"
结合使用。这在 Jozefowicz 等人,2015 中被推荐使用。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。False
。False
。False
)。如果为 True
,则反向处理输入序列并返回反向序列。False
)。如果为 True
,则批次中索引为 i 的每个样本的最后一个状态将用作下一批次中索引为 i 的样本的初始状态。False
)。如果为 True
,则网络将被展开,否则将使用符号循环。展开可以加速 RNN,但往往会占用更多内存。展开只适用于短序列。调用参数
(samples, timesteps)
的二进制张量,指示是否应该屏蔽给定的时间步。dropout
或 recurrent_dropout
时相关。输入形状
data_format='channels_first'
: 5D 张量,形状为: (samples, time, channels, rows, cols)
data_format='channels_last'
: 5D 张量,形状为: (samples, time, rows, cols, channels)
输出形状
return_state
为 True
: 一个张量列表。第一个张量是输出。其余张量是最后一个状态,每个状态都是 4D 张量,如果 data_format='channels_first'
,形状为: (samples, filters, new_rows, new_cols)
,如果 data_format='channels_last'
,形状为: (samples, new_rows, new_cols, filters)
。由于填充,rows
和 cols
的值可能已改变。return_sequences
为 True
: 5D 张量,如果 data_format='channels_first',形状为: (samples, timesteps, filters, new_rows, new_cols)
,如果 data_format='channels_last'
,形状为: (samples, timesteps, new_rows, new_cols, filters)
。data_format='channels_first'
,形状为: (samples, filters, new_rows, new_cols)
,如果 data_format='channels_last'
,形状为: (samples, new_rows, new_cols, filters)
。参考文献