conv3d

    API属性：声明式编程(静态图)专用API

    ( 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：

    • conv3d - 图2

      ：输入值，NCDHW或NDHWC格式的5-D Tensor

    • ：滤波器值，MCDHW格式的5-D Tensor

    • conv3d - 图4

      ：卷积操作

    • ：偏置值，2-D Tensor，形为 [M,1]

    • ：激活函数

    • conv3d - 图7

      ：输出值, NCDHW或NDHWC格式的5-D Tensor，和 X 的形状可能不同

    示例

    • 输出：

    其中

    conv3d - 图11

    如果 padding = “SAME”:

    如果 padding = “VALID”:

    conv3d - 图13

    Variable。

    • 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 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。
    • ShapeError - 如果输入不是5-D Tensor。
    • ShapeError - 如果输入和滤波器的维度大小不相同。
    • ShapeError - 如果输入的维度大小与 stride 之差不是2。
    • ShapeError - 如果输出的通道数不能被 groups 整除。