Deconv3D

Warning

Документация к модулю находится в разработке.

Описание

Info

Родительский класс: DeconvND

Производные классы: -

Этот модуль реализует операцию трехмерной транспонированной свёртки. Наследуется от класса DeconvND. Для более полной информации см. DeconvND

Инициализация

def __init__(self, inmaps, outmaps, size, stride=1, pad=0, dilation=1, wscale=1.0, useBias=True, name=None,
                 initscheme=None, empty=False, groups=1):

Параметры

Параметр	Возможные типы	Описание	По умолчанию
inmaps	int	Количество карт во входном тензоре	-
outmaps	int	Количество карт в выходном тензоре	-
size	int	Размер фильтра; фильтры всегда квадратные	-
stride	Union[int, tuple]	Шаг свёртки	1
pad	Union[int, tuple]	Паддинг карт	0
dilation	Union[int, tuple]	Разрежение окна свёртки	1
wscale	float	Дисперсия случайных весов слоя	1.0
useBias	bool	Использовать или нет вектор биасов	True
initscheme	Union[tuple, str]	Указывает схему инициализации весов слоя (см. createTensorWithScheme)	None -> ("xavier_uniform", "in")
name	str	Имя слоя	None
empty	bool	Если True, то матрица весов и биас не инициализируются	False
groups	int	На сколько групп разбиваются карты для раздельной обработки	1

Пояснения

Info

Для входного $(N, C_{in}, D_{in}, H_{in}, W_{in})$ и выходного $(N, C_{out}, D_{out}, H_{out}, W_{out})$ тензоров существует зависимость между их размерами:

\begin{equation} D_{out} = (D_{in} - 1)stride_d - 2pad_d + dil_d(size_d - 1) + 1 \end{equation}

\begin{equation} H_{out} = (H_{in} - 1)stride_h - 2pad_h + dil_h(size_h - 1) + 1 \end{equation}

\begin{equation} W_{out} = (W_{in} - 1)stride_w - 2pad_w + dil_w(size_w - 1) + 1 \end{equation}

size - фильтры всегда равносторонние, т.е. (size_d, size_h, size_w), где size_d == size_h == size_w;

---

stride - возможна передача как единой величины шага свёртки вдоль всех осей карт, так и tuple вида (stride_d, stride_h, stride_w), где stride_h - величина шага свёртки вдоль глубины карты, stride_h - величина шага свёртки вдоль высоты карты, а stride_w - вдоль ширины;

---

pad - возможна передача как единой величины отступа для всех сторон карт, так и tuple вида (pad_d, pad_h, pad_w), где pad_d - величина отступа с каждой стороны вдоль глубины карты, pad_h - вдоль высоты карты, а pad_w - вдоль ширины;

---

dilation - возможна передача как единой величины разрежения для всех сторон ядра свёртки, так и tuple вида (dil_d, dil_h, dil_w), где dil_d - величина разрежения фильтра вдоль глубины карты, dil_h - величина разрежения фильтра вдоль высоты карты, dil_w - вдоль ширины;

---

groups - количество групп, на которое разбивается множество карт для того, чтобы быть свернуто независимо друг от друга.

Общее правило звучит так (при этом надо учитывать, что значения параметров inmaps и outmaps должны целочисленно делиться на значение параметра groups): из каждых $\frac{inmaps}{groups}$ входных карт формируются $\frac{outmaps}{groups}$ выходных карт.

Примеры

Необходимые импорты.

import numpy as np
from PuzzleLib.Backend import gpuarray
from PuzzleLib.Modules import Deconv3D

Info

gpuarray необходим для правильного размещения тензора на GPU

batchsize, inmaps, d, h, w = 1, 2, 5, 5, 5
outmaps = 2
data = gpuarray.to_gpu(np.arange(batchsize * inmaps * d * h * w).reshape((batchsize, inmaps, d, h, w)).astype(np.float32))

deconv = Deconv3D(inmaps=inmaps, outmaps=outmaps, size=2, useBias=False)
print(deconv(data))

---

Параметр size

---

deconv = Deconv3D(inmaps=inmaps, outmaps=outmaps, size=3, useBias=False)
print(deconv(data))

---

Параметр pad

---

deconv = Deconv3D(inmaps=inmaps, outmaps=outmaps, size=3, pad=1, useBias=False)
print(deconv(data))

---

Параметр stride

---

deconv = Deconv3D(inmaps=inmaps, outmaps=outmaps, size=2, stride=2, useBias=False)
print(deconv(data))

deconv = Deconv3D(inmaps=inmaps, outmaps=outmaps, size=2, stride=2, pad=3, useBias=False)
print(deconv(data))

deconv = Deconv3D(inmaps=inmaps, outmaps=outmaps, size=2, stride=(2, 4, 2), pad=3, useBias=False)
print(deconv(data))

---

Параметр dilation

---

deconv = Deconv3D(inmaps=inmaps, outmaps=outmaps, size=2, stride=1, pad=0, dilation=2, useBias=False)
print(deconv(data))

deconv = Deconv3D(inmaps=inmaps, outmaps=outmaps, size=2, stride=1, pad=0, dilation=(3, 1, 3), useBias=False)
print(deconv(data))

---

Параметр groups

---

deconv = Deconv3D(inmaps=inmaps, outmaps=outmaps, size=2, groups=2, useBias=False)
print(deconv(data))