Python tf.keras.layers.Conv3D用法及代碼示例

3D 卷積層(例如，體積上的空間卷積)。

繼承自：Layer，Module

用法

tf.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
)

該層創建一個卷積核，該卷積核與層輸入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將其添加到輸出中。最後，如果 activation 不是 None ，它也會應用於輸出。

當將此層用作模型中的第一層時，請提供關鍵字參數 input_shape(整數元組或 None ，不包括樣本軸)，例如input_shape=(128, 128, 128, 1) 用於具有單通道的 128x128x128 卷，在 data_format="channels_last" 中。

例子：

# The inputs are 28x28x28 volumes with a single channel, and the
# batch size is 4
input_shape =(4, 28, 28, 28, 1)
x = tf.random.normal(input_shape)
y = tf.keras.layers.Conv3D(
2, 3, activation='relu', input_shape=input_shape[1:])(x)
print(y.shape)
(4, 26, 26, 26, 2)

# With extended batch shape [4, 7], e.g. a batch of 4 videos of 3D frames,
# with 7 frames per video.
input_shape = (4, 7, 28, 28, 28, 1)
x = tf.random.normal(input_shape)
y = tf.keras.layers.Conv3D(
2, 3, activation='relu', input_shape=input_shape[2:])(x)
print(y.shape)
(4, 7, 26, 26, 26, 2)

輸入形狀：

具有形狀的 5+D 張量：batch_shape + (channels, conv_dim1, conv_dim2, conv_dim3)如果 data_format='channels_first' 或具有形狀的 5+D 張量：batch_shape + (conv_dim1, conv_dim2, conv_dim3, channels)如果data_format='channels_last'。

輸出形狀：

5+D 張量，形狀：batch_shape + (filters, new_conv_dim1, new_conv_dim2, new_conv_dim3) if data_format='channels_first' 或 5+D 張量，形狀：batch_shape + (new_conv_dim1, new_conv_dim2, new_conv_dim3, filters) if data_format='channels_last'。 new_conv_dim1 、 new_conv_dim2 和 new_conv_dim3 值可能由於填充而發生了變化。