conv3d
paddle.fluid.layers.
conv3d
(input, num_filters, filter_size, stride=1, padding=0, dilation=1, groups=None, param_attr=None, bias_attr=None, use_cudnn=True, act=None, name=None, data_format="NCDHW")[源代码]
该OP是三维卷积层(convolution3D layer),根据输入、滤波器、步长(stride)、填充(padding)、膨胀比例(dilations)一组参数计算得到输出特征层大小。输入和输出是NCDHW或NDWHC格式,其中N是批尺寸,C是通道数,D是特征层深度,H是特征层高度,W是特征层宽度。三维卷积(Convlution3D)和二维卷积(Convlution2D)相似,但多了一维深度信息(depth)。如果bias_attr不为False,卷积计算会添加偏置项。如果指定了激活函数类型,相应的激活函数会作用在最终结果上。
对每个输入X,有等式:
- 其中:
- :输入值,NCDHW或NDHWC格式的5-D Tensor
- :滤波器值,MCDHW格式的5-D Tensor
- :卷积操作
-
:偏置值,2-D Tensor,形为
[M,1]
- :激活函数
-
:输出值, NCDHW或NDHWC格式的5-D Tensor,和
X
的形状可能不同
示例
- 输入:
输入形状:
滤波器形状:
- 输出:
输出形状:
其中
如果 padding
= "SAME":
如果 padding
= "VALID":
- 参数:
- input (Variable) - 形状为 或 的5-D Tensor,N是批尺寸,C是通道数,D是特征深度,H是特征高度,W是特征宽度,数据类型为float16, float32或float64。
- num_fliters (int) - 滤波器(卷积核)的个数。和输出图像通道相同。
- filter_size (int|list|tuple) - 滤波器大小。如果它是一个列表或元组,则必须包含三个整数值:(filter_size_depth, filter_size_height,filter_size_width)。若为一个整数,则filter_size_depth = filter_size_height = filter_size_width = filter_size。
- stride (int|list|tuple,可选) - 步长大小。滤波器和输入进行卷积计算时滑动的步长。如果它是一个列表或元组,则必须包含三个整型数:(stride_depth, stride_height, stride_width)。若为一个整数,stride_depth = stride_height = stride_width = stride。默认值:1。
- padding (int|list|tuple|str,可选) - 填充大小。如果它是一个字符串,可以是"VALID"或者"SAME",表示填充算法,计算细节可参考上述
padding
= "SAME"或padding
= "VALID" 时的计算公式。如果它是一个元组或列表,它可以有3种格式:(1)包含5个二元组:当data_format
为"NCDHW"时为 [[0,0], [0,0], [padding_depth_front, padding_depth_back], [padding_height_top, padding_height_bottom], [padding_width_left, padding_width_right]],当data_format
为"NDHWC"时为[[0,0], [padding_depth_front, padding_depth_back], [padding_height_top, padding_height_bottom], [padding_width_left, padding_width_right], [0,0]];(2)包含6个整数值:[padding_depth_front, padding_depth_back, padding_height_top, padding_height_bottom, padding_width_left, padding_width_right];(3)包含3个整数值:[padding_depth, padding_height, padding_width],此时 padding_depth_front = padding_depth_back = padding_depth, padding_height_top = padding_height_bottom = padding_height, padding_width_left = padding_width_right = padding_width。若为一个整数,padding_depth = padding_height = padding_width = padding。默认值:0。 - dilation (int|list|tuple,可选) - 膨胀比例大小。空洞卷积时会使用该参数,滤波器对输入进行卷积时,感受野里每相邻两个特征点之间的空洞信息。如果膨胀比例为列表或元组,则必须包含三个整型数:(dilation_depth, dilation_height,dilation_width)。若为一个整数,dilation_depth = dilation_height = dilation_width = dilation。默认值:1。
- groups (int,可选) - 三维卷积层的组数。根据Alex Krizhevsky的深度卷积神经网络(CNN)论文中的成组卷积:当group=n,输入和滤波器分别根据通道数量平均分为n组,第一组滤波器和第一组输入进行卷积计算,第二组滤波器和第二组输入进行卷积计算,……,第n组滤波器和第n组输入进行卷积计算。默认值:1。
- param_attr (ParamAttr,可选) - 指定权重参数属性的对象。默认值为None,表示使用默认的权重参数属性。具体用法请参见 ParamAttr 。
- bias_attr (ParamAttr|bool,可选)- 指定偏置参数属性的对象。若
bias_attr
为bool类型,只支持为False,表示没有偏置参数。默认值为None,表示使用默认的偏置参数属性。具体用法请参见 ParamAttr 。 - use_cudnn (bool,可选)- 是否使用cudnn内核。只有已安装cudnn库时才有效。默认值:True。
- act (str,可选) - 激活函数类型, 如tanh、softmax、sigmoid,relu等,支持列表请参考 激活函数 。如果设为None,则未添加激活函数。默认值:None。
- name (str,可选) – 具体用法请参见 cn_api_guide_Name ,一般无需设置,默认值:None。
- data_format (str,可选) - 输入和输出的数据格式,可以是"NCDHW"和"NDHWC"。N是批尺寸,C是通道数,D是特征深度,H是特征高度,W是特征宽度。默认值:"NCDHW"。
返回:5-D Tensor,数据类型与 input
一致。如果未指定激活层,则返回卷积计算的结果,如果指定激活层,则返回卷积和激活计算之后的最终结果。
返回类型:Variable。
- 抛出异常:
ValueError
- 如果use_cudnn
不是bool值。ValueError
- 如果data_format
既不是"NCDHW"也不是"NDHWC"。ValueError
- 如果input
的通道数未被明确定义。ValueError
- 如果padding
是字符串,既不是"SAME"也不是"VALID"。ValueError
- 如果padding
含有5个二元组,与批尺寸对应维度的值不为0或者与通道对应维度的值不为0。
代码示例:
- import paddle.fluid as fluid
- import numpy as np
- data = fluid.layers.data(name='data', shape=[3, 12, 32, 32], dtype='float32')
- param_attr = fluid.ParamAttr(name='conv3d.weight', initializer=fluid.initializer.Xavier(uniform=False), learning_rate=0.001)
- res = fluid.layers.conv3d(input=data, num_filters=2, filter_size=3, act="relu", param_attr=param_attr)
- place = fluid.CPUPlace()
- exe = fluid.Executor(place)
- exe.run(fluid.default_startup_program())
- x = np.random.rand(1, 3, 12, 32, 32).astype("float32")
- output = exe.run(feed={"data": x}, fetch_list=[res])
- print(output)