speechbrain.nnet.complex_networks.c_CNN 模块
实现复值卷积神经网络的库。
- 作者
Titouan Parcollet 2020
摘要
类
此函数实现复值一维卷积。 |
|
此函数实现复值一维卷积。 |
参考
- class speechbrain.nnet.complex_networks.c_CNN.CConv1d(out_channels, kernel_size, input_shape, stride=1, dilation=1, padding='same', groups=1, bias=True, padding_mode='reflect', init_criterion='glorot', weight_init='complex')[source]
基类：
Module此函数实现复值一维卷积。
- 参数：
out_channels (int) – 输出通道数。请注意，这些是复值神经元。如果指定 256 个通道，则输出维度将是 512。
kernel_size (int) – 卷积核大小。
input_shape (tuple) – 输入张量的预期形状。
stride (int, optional) – 卷积滤波器的步长因子（默认为 1）。
dilation (int, optional) – 卷积滤波器的扩张因子（默认为 1）。
padding (str, optional) – (same, valid, causal)。如果为“valid”，则不执行填充。如果为“same”且步长为 1，则输出形状与输入形状相同。“causal”导致因果（扩张）卷积。（默认为“same”）
groups (int, optional) – 此选项指定卷积组。更多信息请参见 torch.nn 文档（默认为 1）。
bias (bool, optional) – 如果为 True，则采用加性偏置 b（默认为 True）。
padding_mode (str, optional) – 此标志指定填充类型。更多信息请参见 torch.nn 文档（默认为“reflect”）。
init_criterion (str, optional) – (glorot, he)。此参数控制权重的初始化准则。它与 weights_init 结合用于构建复值权重的初始化方法（默认为“glorot”）。
weight_init (str, optional) – (complex, unitary)。此参数定义复值权重的初始化过程。“complex”将根据 init_criterion 和复数极坐标形式生成随机复值权重。“unitary”将权重归一化到单位圆上。（默认为“complex”）更多详情请参阅：“Deep Complex Networks”，Trabelsi C. et al.
示例
>>> inp_tensor = torch.rand([10, 16, 30]) >>> cnn_1d = CConv1d( ... input_shape=inp_tensor.shape, out_channels=12, kernel_size=5 ... ) >>> out_tensor = cnn_1d(inp_tensor) >>> out_tensor.shape torch.Size([10, 16, 24])
- class speechbrain.nnet.complex_networks.c_CNN.CConv2d(out_channels, kernel_size, input_shape, stride=1, dilation=1, padding='same', groups=1, bias=True, padding_mode='reflect', init_criterion='glorot', weight_init='complex')[source]
基类：
Module此函数实现复值一维卷积。
- 参数：
out_channels (int) – 输出通道数。请注意，这些是复值神经元。如果指定 256 个通道，则输出维度将是 512。
kernel_size (int) – 卷积核大小。
input_shape (tuple) – 输入的预期形状。
stride (int, optional) – 卷积滤波器的步长因子（默认为 1）。
dilation (int, optional) – 卷积滤波器的扩张因子（默认为 1）。
padding (str, optional) – (same, valid, causal)。如果为“valid”，则不执行填充。如果为“same”且步长为 1，则输出形状与输入形状相同。“causal”导致因果（扩张）卷积。（默认为“same”）
groups (int, optional) – 此选项指定卷积组（默认为 1）。更多信息请参见 torch.nn 文档。
bias (bool, optional) – 如果为 True，则采用加性偏置 b（默认为 True）。
padding_mode (str, optional) – 此标志指定填充类型（默认为“reflect”）。更多信息请参见 torch.nn 文档。
init_criterion (str , optional) – (glorot, he)。此参数控制权重的初始化准则（默认为“glorot”）。它与 weights_init 结合用于构建复值权重的初始化方法。
weight_init (str, optional) – (complex, unitary)。此参数定义复值权重的初始化过程（默认为 complex）。“complex”将根据 init_criterion 和复数极坐标形式生成随机复值权重。“unitary”将权重归一化到单位圆上。更多详情请参阅：“Deep Complex Networks”，Trabelsi C. et al.
示例
>>> inp_tensor = torch.rand([10, 16, 30, 30]) >>> cnn_2d = CConv2d( ... input_shape=inp_tensor.shape, out_channels=12, kernel_size=5 ... ) >>> out_tensor = cnn_2d(inp_tensor) >>> out_tensor.shape torch.Size([10, 16, 30, 24])