tf.nn.conv3d用法

tf.nn.conv3d：给定 5-D input和filters张量，计算 3-D 卷积。

tf.nn.conv3d(
    input, filters, strides, padding, data_format='NDHWC', dilations=None, name=None
)

在信号处理中，互相关是两个波形的相似性的量度，时滞应用到两个波形之一的函数。这也称为滑动点积或滑动内积。

我们的Conv3D实现了一种互相关形式。

Args
input	一个Tensor张量。必须是下列类型之一：half，bfloat16，float32，float64。 形状：[batch, in_depth, in_height, in_width, in_channels]
filters	一Tensor。必须具有与input相同的类型。 形状：[filter_depth, filter_height, filter_width, in_channels,out_channels]。 in_channels必须在input和filters之间匹配。
strides	一个ints的列表，长度>= 5。长度为5的一维张量。滑动窗口对于input每个维度的步幅。必须有strides[0] = strides[4] = 1。
padding	一个string来自："SAME", "VALID"。要使用的填充算法的类型。
data_format	来自"NDHWC", "NCDHW"的可选string内容。默认为"NDHWC"。输入和输出数据的数据格式。使用默认格式“ NDHWC”时，数据按以下顺序存储：[batch，in_depth，in_height，in_width，in_channels]。或者，格式可以为“ NCDHW”，数据存储顺序为：[batch，in_channels，in_depth，in_height，in_width]。
dilations	ints的可选列表。默认为[1, 1, 1, 1, 1]。长度为5的一维张量。input的每个维度的膨胀因子 。如果设置为k> 1，则该维度上每个过滤器元素之间将有k-1个跳过的单元格。维度顺序由data_format的值确定，有关详细信息，请参见上文。batch维度和depth维度的膨胀率必须为1。
name	操作的名称（可选）。

Returns
一个Tensor张量。具有与input相同类型。