Слой Conv3D

Слой Conv3D выполняет операцию трехмерной свертки над входным тензором. Такой слой применяется к данным, имеющим три пространственных измерения, например, к видео (кадры, высота, ширина) или к объемным изображениям. Первым параметром передается число фильтров filters, вторым - размер ядра свертки kernel_size. Также можно указать шаг свертки strides, тип паддинга padding, функцию активации activation и другие параметры.

Синтаксис

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
)

Пример

Давайте создадим слой Conv3D с 8 фильтрами и ядром размера 3×3×3 и применим его к входному тензору формы (1, 4, 4, 4, 1):

import tensorflow as tf

tf.random.set_seed(0)

layer = tf.keras.layers.Conv3D(filters=8, kernel_size=(3, 3, 3))
t = tf.constant([[[[[1.0], [2.0], [3.0], [4.0]],
	[[5.0], [6.0], [7.0], [8.0]],
	[[9.0], [10.0], [11.0], [12.0]],
	[[13.0], [14.0], [15.0], [16.0]]]]])
res = layer(t)
print(res.shape)

Результат выполнения кода:

(1, 2, 2, 2, 8)

Пример

Давайте создадим слой Conv3D с шагом свертки 2 по всем измерениям и применим его к тому же входному тензору:

import tensorflow as tf

tf.random.set_seed(0)

layer = tf.keras.layers.Conv3D(filters=4, kernel_size=(2, 2, 2), strides=(2, 2, 2))
t = tf.constant([[[[[1.0], [2.0], [3.0], [4.0]],
	[[5.0], [6.0], [7.0], [8.0]],
	[[9.0], [10.0], [11.0], [12.0]],
	[[13.0], [14.0], [15.0], [16.0]]]]])
res = layer(t)
print(res.shape)

Результат выполнения кода:

(1, 2, 2, 2, 4)

Пример

Давайте создадим слой Conv3D с функцией активации relu и паддингом same, затем применим его к входным данным:

import tensorflow as tf

tf.random.set_seed(0)

layer = tf.keras.layers.Conv3D(
	filters=2,
	kernel_size=(3, 3, 3),
	padding="same",
	activation="relu"
)
t = tf.constant([[[[[1.0], [2.0], [3.0], [4.0]],
	[[5.0], [6.0], [7.0], [8.0]],
	[[9.0], [10.0], [11.0], [12.0]],
	[[13.0], [14.0], [15.0], [16.0]]]]])
res = layer(t)
print(res.shape)

Результат выполнения кода:

(1, 4, 4, 4, 2)

Смотрите также

слой Conv2D,
который выполняет двумерную свертку
слой Conv1D,
который выполняет одномерную свертку
слой MaxPooling3D,
который выполняет трехмерную операцию пулинга
слой Conv2DTranspose,
который выполняет транспонированную свертку