Does Flux support N-dimensional convolutions, where N>3?

Métriques du dépôt

Stars

4 725 étoiles (4 725 étoiles)

Métriques de merge PR

Métriques PR en attente (Métriques PR en attente)

Description

Conv((1,1,1), 1=>1)(rand(1,1,1,1,1)) #3D convolution

Conv((1,1,1,1), 1=>1)(rand(1,1,1,1,1,1)) #4D convolution
#ERROR: MethodError: no method matching conv!(::Array{Float64,6}, ::Array{Float64,6}, ::Array{Float64,6}; pad=(0, 0, 0, 0), stride=(1, 1, 1, 1), dilation=(1, 1, 1, 1))

[587475ba] Flux v0.6.7+ #master (https://github.com/FluxML/Flux.jl.git)
[872c559c] NNlib v0.4.2+ #master (https://github.com/FluxML/NNlib.jl.git)

Guide contributeur

Direction de recherche

Étudiez la fonction conv! dans Flux et NNlib pour comprendre pourquoi elle ne prend en charge que les convolutions jusqu'à 3D. L'erreur indique qu'aucune méthode conv! correspondante n'existe pour les tableaux 6D. Étendre la convolution à N dimensions arbitraires nécessiterait de modifier l'implémentation sous jacente pour gérer des tailles de noyau et des remplissages dynamiques. Examinez le code existant pour les convolutions 3D et généralisez le, en exploitant peut être des structures de diffusion ou de boucles. Vérifiez s'il y a des PR ouverts ou des discussions dans les commentaires de l'issue pour obtenir des conseils.

Stack technique

Aucun

Domaine

machine learning

Type d'issue

Fonctionnalité

DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.

3

Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.

Une demi journée

Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.

Active

ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.

Claire

Prérequis

Aucun

Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.

30