[source]

Convolution1D

keras.layers.convolutional.Convolution1D(nb_filter, filter_length, init='uniform', activation='linear', weights=None, border_mode='valid', subsample_length=1, W_regularizer=None, b_regularizer=None, activity_regularizer=None, W_constraint=None, b_constraint=None, bias=True, input_dim=None, input_length=None)

1次元入力の近傍をフィルターする畳み込み演算.このレイヤーを第一層に使う場合,キーワード引数としてinput_dim(整数値,例えば128次元ベクトル系列には128)を指定するかinput_shape(整数のタプル,例えば10個の128次元ベクトル系列のでは(10, 128))を指定してください.

Example

# apply a convolution 1d of length 3 to a sequence with 10 timesteps,
# with 64 output filters
model = Sequential()
model.add(Convolution1D(64, 3, border_mode='same', input_shape=(10, 32)))
# now model.output_shape == (None, 10, 64)

# add a new conv1d on top
model.add(Convolution1D(32, 3, border_mode='same'))
# now model.output_shape == (None, 10, 32)

Arguments

  • nb_filter: 使用する畳み込みカーネルの数(出力の次元).
  • filter_length: それぞれのフィルターの(空間もしくは時間的な)長さ.
  • init: レイヤーの重みの初期化関数の名前(initializations参照), もしくは重み初期化に用いるTheano関数.このパラメータはweights引数を与えない場合にのみ有効です.
  • activation: 使用する活性化関数の名前(activations参照), もしくは要素ごとのTheano関数. もしなにも指定しなければ活性化は一切適用されません(つまり"線形"活性a(x) = x).
  • weights: 初期重みとして設定されるNumpy配列のリスト.
  • border_mode: 'valid' あるいは 'same'.
  • subsample_length: 出力を部分サンプルするときの長さ.
  • W_regularizer: メインの重み行列に適用されるWeightRegularizer(例えばL1やL2正則化)のインスタンス.
  • b_regularizer: バイアス項に適用されるWeightRegularizerのインスタンス.
  • activity_regularizer: ネットワーク出力に適用されるActivityRegularizerのインスタンス.
  • W_constraint: メインの重み行列に適用されるconstraintsモジュール(例えばmaxnorm, nonneg)のインスタンス.
  • b_constraint: バイアス項に適用されるconstraintsモジュールのインスタンス.
  • bias: バイアス項を含むかどうか(レイヤをアフィンにするか線形にするか).
  • input_dim: 入力のチャネル/次元数. このレイヤーがモデルの初めのレイヤーの場合, この引数もしくはキーワード引数input_shapeを指定する必要があります.
  • input_length: 入力系列が一定のときのその長さ. この引数は上流のFlattenそしてDenseレイヤーを繋ぐときに必要となります. これがないとdense出力の配列サイズを計算することができません.

Input shape

配列サイズ(samples, steps, input_dim)の3次元テンソル.

Output shape

配列サイズ(samples, new_steps, nb_filter)の3次元テンソル. steps値はパディングにより変わっている可能性あり.


[source]

Convolution2D

keras.layers.convolutional.Convolution2D(nb_filter, nb_row, nb_col, init='glorot_uniform', activation='linear', weights=None, border_mode='valid', subsample=(1, 1), dim_ordering='default', W_regularizer=None, b_regularizer=None, activity_regularizer=None, W_constraint=None, b_constraint=None, bias=True)

2次元入力をフィルターする畳み込み演算. このレイヤーをモデルの第一層に使うときはキーワード引数input_shape (整数のタプル,サンプル軸を含まない)を指定してください. 例えば128x128 RGB画像ではinput_shape=(3, 128, 128)

Examples

# apply a 3x3 convolution with 64 output filters on a 256x256 image:
model = Sequential()
model.add(Convolution2D(64, 3, 3, border_mode='same', input_shape=(3, 256, 256)))
# now model.output_shape == (None, 64, 256, 256)

# add a 3x3 convolution on top, with 32 output filters:
model.add(Convolution2D(32, 3, 3, border_mode='same'))
# now model.output_shape == (None, 32, 256, 256)

Arguments

  • nb_filter: 使用する畳み込みカーネルの数.
  • nb_row: 畳み込みカーネルの行数.
  • nb_col: 畳み込みカーネルの列数.
  • init: レイヤーの重みの初期化関数の名前 (initializations参照), もしくは重み初期化に用いるTheano関数. このパラメータはweights引数を与えない場合にのみ有効です.
  • activation: 使用する活性化関数の名前(activations参照), もしくは要素ごとのTheano関数. もしなにも指定しなければ活性化は一切適用されません(つまり"線形"活性a(x) = x).
  • weights: 初期重みとして設定されるNumpy配列のリスト.
  • border_mode: 'valid' あるいは 'same'.
  • subsample: 長さ2のタプル.出力を部分サンプルするときの長さ. 別の場所ではstrideとも呼ぶ.
  • W_regularizer: メインの重み行列に適用されるWeightRegularizer (例えばL1やL2正則化)のインスタンス.
  • b_regularizer: バイアス項に適用されるWeightRegularizerのインスタンス.
  • activity_regularizer: ネットワーク出力に適用されるActivityRegularizerのインスタンス.
  • W_constraint: メインの重み行列に適用されるconstraintsモジュール(例えばmaxnorm, nonneg)のインスタンス.
  • b_constraint: バイアス項に適用されるconstraintsモジュールのインスタンス.
  • dim_ordering: 'th'か'tf'.'th'モードのときはチャネルの次元(深さ)はindex 1に, 'tf'モードではindex 3に. デフォルトはKerasの設定ファイル~/.keras/keras.jsonimage_dim_orderingの値です.値を設定していなければ,"th"になります.
  • bias: バイアス項を含むかどうか(レイヤをアフィンにするか線形にするか).

Input shape

dim_ordering='th'の場合,配列サイズ (samples, channels, rows, cols)の4次元テンソル. もしくはdim_ordering='tf'の場合,配列サイズ (samples, rows, cols, channels)の4次元テンソル

Output shape

dim_ordering='th'の場合,配列サイズ(samples, nb_filter, new_rows, new_cols)の4次元テンソル, あるいは dim_ordering='tf'の場合,配列サイズ(samples, new_rows, new_cols, nb_filter)の4次元テンソル rowscols値はパディングにより変わっている可能性あり.


[source]

AtrousConvolution2D

keras.layers.convolutional.AtrousConvolution2D(nb_filter, nb_row, nb_col, init='glorot_uniform', activation='linear', weights=None, border_mode='valid', subsample=(1, 1), atrous_rate=(1, 1), dim_ordering='default', W_regularizer=None, b_regularizer=None, activity_regularizer=None, W_constraint=None, b_constraint=None, bias=True)

2次元入力をフィルタするAtrous畳み込み演算. dilated convolution や convolution with holesともいう. このレイヤーをモデルの第一層に使うときはキーワード引数input_shape (整数のタプル,サンプル軸を含まない)を指定してください. 例えば128x128 RGB画像ではinput_shape=(3, 128, 128)

Examples

# apply a 3x3 convolution with atrous rate 2x2 and 64 output filters on a 256x256 image:
model = Sequential()
model.add(AtrousConvolution2D(64, 3, 3, atrous_rate=(2,2), border_mode='valid', input_shape=(3, 256, 256)))
# now the actual kernel size is dilated from 3x3 to 5x5 (3+(3-1)*(2-1)=5)
# thus model.output_shape == (None, 64, 252, 252)

Arguments

  • nb_filter: 使用する畳み込みカーネルの数.
  • nb_row: 畳み込みカーネルの行数.
  • nb_col: 畳み込みカーネルの列数.
  • init: レイヤーの重みの初期化関数の名前 (initializations参照), もしくは重み初期化に用いるTheano関数. このパラメータはweights引数を与えない場合にのみ有効です.
  • activation: 使用する活性化関数の名前(activations参照), もしくは要素ごとのTheano関数. もしなにも指定しなければ活性化は一切適用されません(つまり"線形"活性a(x) = x).
  • weights: 初期重みとして設定されるNumpy配列のリスト.
  • border_mode: 'valid' あるいは 'same'.
  • subsample: 長さ2のタプル.出力を部分サンプルするときの長さ.別の場所ではstrideとも呼ぶ.
  • atrous_rate: 長さ2のタプル.カーネル拡張の要素.別の場所ではfilter_dilationと呼ぶ.
  • W_regularizer: メインの重み行列に適用されるWeightRegularizer (例えばL1やL2正則化)のインスタンス.
  • b_regularizer: バイアス項に適用されるWeightRegularizerのインスタンス.
  • activity_regularizer: ネットワーク出力に適用されるActivityRegularizerのインスタンス.
  • W_constraint: メインの重み行列に適用されるconstraintsモジュール(例えばmaxnorm, nonneg)のインスタンス.
  • b_constraint: バイアス項に適用されるconstraintsモジュールのインスタンス.
  • dim_ordering: 'th'か'tf'.'th'モードのときはチャネルの次元(深さ)はindex 1に, 'tf'モードではindex 3に. デフォルトはKerasの設定ファイル~/.keras/keras.jsonimage_dim_orderingの値です.値を設定していなければ,"th"になります.
  • bias: バイアス項を含むかどうか(レイヤをアフィンにするか線形にするか).

Input shape

dim_ordering='th'の場合,配列サイズ (samples, channels, rows, cols)の4次元テンソル. もしくはdim_ordering='tf'の場合,配列サイズ (samples, rows, cols, channels)の4次元テンソル

Output shape

dim_ordering='th'の場合,配列サイズ(samples, nb_filter, new_rows, new_cols)の4次元テンソル, あるいは dim_ordering='tf'の場合,配列サイズ(samples, new_rows, new_cols, nb_filter)の4次元テンソル rowscols値はパディングにより変わっている可能性あり.

References


[source]

SeparableConvolution2D

keras.layers.convolutional.SeparableConvolution2D(nb_filter, nb_row, nb_col, init='glorot_uniform', activation='linear', weights=None, border_mode='valid', subsample=(1, 1), depth_multiplier=1, dim_ordering='default', depthwise_regularizer=None, pointwise_regularizer=None, b_regularizer=None, activity_regularizer=None, depthwise_constraint=None, pointwise_constraint=None, b_constraint=None, bias=True)

2次元入力のためのSeparable convolution演算.

Separable convolutions consist in first performing a depthwise spatial convolution (which acts on each input channel separately) followed by a pointwise convolution which mixes together the resulting output channels. Separable convolutionは depth_multiplierは,深さごとの単位で入力チャンネルに対してどれだけ出力チャンネルを生成するかを制御する. 直感的には,separable畳み込みは,畳み込みカーネルをより小さい2つのカーネルへ分解かInceptionブロックの極端なものとして理解できる.

2次元入力をフィルターする畳み込み演算. このレイヤーをモデルの第一層に使うときはキーワード引数input_shape (整数のタプル,サンプル軸を含まない)を指定してください. 例えば128x128 RGB画像ではinput_shape=(3, 128, 128)

Theano使用時の注意

当分の間,このレイヤーはバックエンドがTensorFlowに限って利用可能です.

Arguments

  • nb_filter: 使用する畳み込みカーネルの数.
  • nb_row: 畳み込みカーネルの行数.
  • nb_col: 畳み込みカーネルの列数.
  • init: レイヤーの重みの初期化関数の名前 (initializations参照), もしくは重み初期化に用いるTheano関数. このパラメータはweights引数を与えない場合にのみ有効です.
  • activation: 使用する活性化関数の名前(activations参照), もしくは要素ごとのTheano関数. もしなにも指定しなければ活性化は一切適用されません(つまり"線形"活性a(x) = x).
  • weights: 初期重みとして設定されるNumpy配列のリスト.
  • border_mode: 'valid' あるいは 'same'.
  • subsample: 長さ2のタプル.出力を部分サンプルするときの長さ. 別の場所ではstrideとも呼ぶ.
  • depth_multiplier: 深さごとの単位で入力チャンネルに対してどれだけ出力チャンネルを生成するか.
  • depthwise_regularizer: 重み行列の深さごとに適用されるWeightRegularizer (例えばL1やL2正則化)のインスタンス.
  • pointwise_regularizer: 重み行列の点ごとに適用されるWeightRegularizer (例えばL1やL2正則化)のインスタンス.
  • b_regularizer: バイアス項に適用されるWeightRegularizerのインスタンス.
  • activity_regularizer: ネットワーク出力に適用されるActivityRegularizerのインスタンス.
  • depthwise_constraint: 重み行列の深さごとに適用されるconstraintsモジュール(例えばmaxnorm, nonneg)のインスタンス.
  • pointwise_constraint: 重み行列の点ごとに適用されるconstraintsモジュール(例えばmaxnorm, nonneg)のインスタンス.
  • b_constraint: バイアス項に適用されるconstraintsモジュールのインスタンス.
  • dim_ordering: 'th'か'tf'.'th'モードのときはチャネルの次元(深さ)はindex 1に, 'tf'モードではindex 3に. デフォルトはKerasの設定ファイル~/.keras/keras.jsonimage_dim_orderingの値です.値を設定していなければ,"th"になります.
  • bias: バイアス項を含むかどうか(レイヤをアフィンにするか線形にするか).

Input shape

dim_ordering='th'の場合,配列サイズ (samples, channels, rows, cols)の4次元テンソル. もしくはdim_ordering='tf'の場合,配列サイズ (samples, rows, cols, channels)の4次元テンソル

Output shape

dim_ordering='th'の場合,配列サイズ(samples, nb_filter, new_rows, new_cols)の4次元テンソル, あるいは dim_ordering='tf'の場合,配列サイズ(samples, new_rows, new_cols, nb_filter)の4次元テンソル rowscols値はパディングにより変わっている可能性あり.


[source]

Deconvolution2D

keras.layers.convolutional.Deconvolution2D(nb_filter, nb_row, nb_col, output_shape, init='glorot_uniform', activation='linear', weights=None, border_mode='valid', subsample=(1, 1), dim_ordering='th', W_regularizer=None, b_regularizer=None, activity_regularizer=None, W_constraint=None, b_constraint=None, bias=True)

2次元入力のためのTransposed convolution演算.

The need for transposed convolutions generally arises from the desire to use a transformation going in the opposite direction of a normal convolution, i.e., from something that has the shape of the output of some convolution to something that has the shape of its input while maintaining a connectivity pattern that is compatible with said convolution. [1]

2次元入力をフィルターする畳み込み演算. このレイヤーをモデルの第一層に使うときはキーワード引数input_shape (整数のタプル,サンプル軸を含まない)を指定してください. 例えば128x128 RGB画像ではinput_shape=(3, 128, 128)

Examples

# apply a 3x3 transposed convolution with stride 1x1 and 3 output filters on a 12x12 image:
model = Sequential()
model.add(Deconvolution2D(3, 3, 3, output_shape=(None, 3, 14, 14), border_mode='valid', input_shape=(3, 12, 12)))
# output_shape will be (None, 3, 14, 14)

# apply a 3x3 transposed convolution with stride 2x2 and 3 output filters on a 12x12 image:
model = Sequential()
model.add(Deconvolution2D(3, 3, 3, output_shape=(None, 3, 25, 25), subsample=(2, 2), border_mode='valid', input_shape=(3, 12, 12)))
model.summary()
# output_shape will be (None, 3, 25, 25)

Arguments

  • nb_filter: 使用する畳み込みカーネルの数.
  • nb_row: 畳み込みカーネルの行数.
  • nb_col: 畳み込みカーネルの列数.
  • output_shape: 変換した畳み込み演算後の配列サイズ.整数のタプル (nb_samples, nb_filter, nb_output_rows, nb_output_cols) 出力の配列サイズの計算式は [1], [2]: o = s (i - 1) + a + k - 2p, \quad a \in {0, \ldots, s - 1}
  • where: i - 入力サイズ (rows や cols), k - カーネルサイズ (nb_filter), s - ストライド (subsample for rows or cols respectively), p - パディングサイズ, a - user-specified quantity used to distinguish between the s different possible output sizes.
  • init: レイヤーの重みの初期化関数の名前 (initializations参照), もしくは重み初期化に用いるTheano関数. このパラメータはweights引数を与えない場合にのみ有効です.
  • activation: 使用する活性化関数の名前(activations参照), もしくは要素ごとのTheano関数. もしなにも指定しなければ活性化は一切適用されません(つまり"線形"活性a(x) = x).
  • weights: 初期重みとして設定されるNumpy配列のリスト.
  • border_mode: 'valid' あるいは 'same'.
  • subsample: 長さ2のタプル.出力を部分サンプルするときの長さ. 別の場所ではstrideとも呼ぶ.
  • W_regularizer: メインの重み行列に適用されるWeightRegularizer (例えばL1やL2正則化)のインスタンス.
  • b_regularizer: バイアス項に適用されるWeightRegularizerのインスタンス.
  • activity_regularizer: ネットワーク出力に適用されるActivityRegularizerのインスタンス.
  • W_constraint: メインの重み行列に適用されるconstraintsモジュール(例えばmaxnorm, nonneg)のインスタンス.
  • b_constraint: バイアス項に適用されるconstraintsモジュールのインスタンス.
  • dim_ordering: 'th'か'tf'.'th'モードのときはチャネルの次元(深さ)はindex 1に, 'tf'モードではindex 3に. デフォルトはKerasの設定ファイル~/.keras/keras.jsonimage_dim_orderingの値です.値を設定していなければ,"th"になります.
  • bias: バイアス項を含むかどうか(レイヤをアフィンにするか線形にするか).

Input shape

dim_ordering='th'の場合,配列サイズ (samples, channels, rows, cols)の4次元テンソル. もしくはdim_ordering='tf'の場合,配列サイズ (samples, rows, cols, channels)の4次元テンソル

Output shape

dim_ordering='th'の場合,配列サイズ(samples, nb_filter, new_rows, new_cols)の4次元テンソル, あるいは dim_ordering='tf'の場合,配列サイズ(samples, new_rows, new_cols, nb_filter)の4次元テンソル rowscols値はパディングにより変わっている可能性あり.

References

[1] A guide to convolution arithmetic for deep learning [2] Transposed convolution arithmetic [3] Deconvolutional Networks


[source]

Convolution3D

keras.layers.convolutional.Convolution3D(nb_filter, kernel_dim1, kernel_dim2, kernel_dim3, init='glorot_uniform', activation='linear', weights=None, border_mode='valid', subsample=(1, 1, 1), dim_ordering='default', W_regularizer=None, b_regularizer=None, activity_regularizer=None, W_constraint=None, b_constraint=None, bias=True)

3次元入力をフィルターする畳み込み演算. このレイヤーをモデルの第一層に使うときはキーワード引数input_shape (整数のタプル,サンプル軸を含まない)を指定してください. 例えば10フレームの128x128 RGB画像ではinput_shape=(3, 10, 128, 128)

Arguments

  • nb_filter: 使用する畳み込みカーネルの数.
  • kernel_dim1: 畳み込みカーネルの1次元目の長さ.
  • kernel_dim2: 畳み込みカーネルの2次元目の長さ.
  • kernel_dim3: 畳み込みカーネルの3次元目の長さ.
  • init: レイヤーの重みの初期化関数の名前 (initializations参照), もしくは重み初期化に用いるTheano関数. このパラメータはweights引数を与えない場合にのみ有効です.
  • activation: 使用する活性化関数の名前 (activations参照),もしくは要素ごとのTheano関数. もしなにも指定しなければ活性化は一切適用されません(つまり"線形"活性a(x) = x).
  • weights: 初期重みとして設定されるNumpy配列のリスト.
  • border_mode: 'valid'か'same'.
  • subsample: 長さ3のタプル.出力を部分サンプルするときの長さ. 別の場所ではstrideとも呼ぶ.
    • Note: 'subsample'はconv3dの出力をstrides=(1,1,1)でスライスすることで実装されている.
  • W_regularizer: メインの重み行列に適用されるWeightRegularizer (例えばL1やL2正則化)のインスタンス.
  • b_regularizer: バイアス項に適用されるWeightRegularizerのインスタンス.
  • activity_regularizer: ネットワーク出力に適用されるActivityRegularizerのインスタンス.
  • W_constraint: メインの重み行列に適用されるconstraintsモジュール(例えばmaxnorm, nonneg)のインスタンス.
  • b_constraint: バイアス項に適用されるconstraintsモジュールのインスタンス.
  • dim_ordering: 'th'か'tf'.'th'モードのときはチャネルの次元(深さ)はindex 1に, 'tf'モードではindex 4に. デフォルトはKerasの設定ファイル~/.keras/keras.jsonimage_dim_orderingの値です.値を設定していなければ,"th"になります.
  • bias: バイアス項を含むかどうか(レイヤをアフィンにするか線形にするか).

Input shape

dim_ordering='th'の場合,配列サイズ (samples, channels, conv_dim1, conv_dim2, conv_dim3)の5次元テンソル. もしくはdim_ordering='tf'の場合,配列サイズ (samples, conv_dim1, conv_dim2, conv_dim3, channels)の5次元テンソル.

Output shape

dim_ordering='th'の場合配列サイズ (samples, nb_filter, new_conv_dim1, new_conv_dim2, new_conv_dim3)の5次元テンソル. もしくはdim_ordering='tf'の場合,配列サイズ (samples, new_conv_dim1, new_conv_dim2, new_conv_dim3, nb_filter)の5次元テンソル. new_conv_dim1new_conv_dim2,及び new_conv_dim3値はパディングにより変わっている可能性あり.


[source]

UpSampling1D

keras.layers.convolutional.UpSampling1D(length=2)

時間軸方向にそれぞれの時間ステップをlength回繰り返す.

Arguments

  • length: 整数.アップサンプリング係数.

Input shape

配列サイズ (samples, steps, features)の3次元テンソル.

Output shape

配列サイズ (samples, upsampled_steps, features)の3次元テンソル.


[source]

UpSampling2D

keras.layers.convolutional.UpSampling2D(size=(2, 2), dim_ordering='default')

データの行と列をそれぞれsize[0]及びsize[1]回繰り返す.

Arguments

  • size: 2つの整数のタプル.行と列のアップサンプリング係数.
  • dim_ordering: 'th'か'tf'. 'th'モードのときはチャネルの次元(深さ)はindex 1に, 'tf'モードではindex 3に. デフォルトはKerasの設定ファイル~/.keras/keras.jsonimage_dim_orderingの値です.値を設定していなければ,"th"になります.

Input shape

4D tensor with shape: dim_ordering='th'の場合,配列サイズ(samples, channels, rows, cols)の4次元テンソル. もしくはdim_ordering='tf'の場合,配列サイズ (samples, rows, cols, channels)の4次元テンソル.

Output shape

dim_ordering='th'の場合,配列サイズ (samples, channels, upsampled_rows, upsampled_cols)の4次元テンソル. もしくはdim_ordering='tf'の場合,配列サイズ (samples, upsampled_rows, upsampled_cols, channels)の4次元テンソル.


[source]

UpSampling3D

keras.layers.convolutional.UpSampling3D(size=(2, 2, 2), dim_ordering='default')

データの1番目,2番目,3番目の次元をそれぞれsize[0],size[1],size[2]だけ繰り返す.

Arguments

  • size: 3つの整数のタプル.dim1,dim2 and dim3のアップサンプリング係数.
  • dim_ordering: 'th'か'tf'. 'th'モードのときはチャネルの次元(深さ)はindex 1に, 'tf'モードではindex 4に. デフォルトはKerasの設定ファイル~/.keras/keras.jsonimage_dim_orderingの値です.値を設定していなければ,"th"になります.

Input shape

dim_ordering='th'の場合,配列サイズ (samples, channels, dim1, dim2, dim3)の5次元テンソル. もしくはdim_ordering='tf'の場合,配列サイズ (samples, dim1, dim2, dim3, channels)の5次元テンソル.

Output shape

dim_ordering='th'の場合,配列サイズ (samples, channels, upsampled_dim1, upsampled_dim2, upsampled_dim3)の5次元テンソル. もしくはdim_ordering='tf'の場合,配列サイズ (samples, upsampled_dim1, upsampled_dim2, upsampled_dim3, channels)の5次元テンソル.


[source]

ZeroPadding1D

keras.layers.convolutional.ZeroPadding1D(padding=1)

一次元入力(例,時系列)に対するゼロパディングレイヤー.

Arguments

  • padding: 整数. パディング次元(axis 1)の始めと終わりにいくつのゼロを加えるか.

Input shape

配列サイズ(samples, axis_to_pad, features)の3次元テンソル.

Output shape

配列サイズ(samples, padded_axis, features)の3次元テンソル.


[source]

ZeroPadding2D

keras.layers.convolutional.ZeroPadding2D(padding=(1, 1), dim_ordering='default')

2次元入力(例,画像)のためのゼロパディングレイヤー

Arguments

  • padding: 整数のタプル(長さ2). 2つのパディング次元(axis 3 と 4)の始めと終わりにいくつのゼロを加えるか. デフォルトはKerasの設定ファイル~/.keras/keras.jsonimage_dim_orderingの値です.値を設定していなければ,"th"になります.
  • dim_ordering: 'th'か'tf'. 'th'モードのときはチャネルの次元(深さ)はindex 1に, 'tf'モードではindex 3に. デフォルトはKerasの設定ファイル~/.keras/keras.jsonimage_dim_orderingの値です.値を設定していなければ,"th"になります.

Input shape

配列サイズ(samples, depth, first_axis_to_pad, second_axis_to_pad)の4次元テンソル.

Output shape

配列サイズ(samples, depth, first_padded_axis, second_padded_axis)の4次元テンソル.


[source]

ZeroPadding3D

keras.layers.convolutional.ZeroPadding3D(padding=(1, 1, 1), dim_ordering='default')

3次元データ(空間及び時空間)のためのゼロパディングレイヤー.

Arguments

  • padding: 整数のタプル(長さ3) 3つのパディング次元(axis 3, 4 and 5)の始めと終わりにいくつのゼロを加えるか.
  • dim_ordering: 'th'か'tf'. 'th'モードのときはチャネルの次元(深さ)はindex 1に, 'tf'モードではindex 4に. デフォルトはKerasの設定ファイル~/.keras/keras.jsonimage_dim_orderingの値です.値を設定していなければ,"th"になります.

Input shape

配列サイズ(samples, depth, first_axis_to_pad, second_axis_to_pad, third_axis_to_pad)の5次元テンソル.

Output shape

配列サイズ(samples, depth, first_padded_axis, second_padded_axis, third_axis_to_pad)の5次元テンソル.