ConvRNN Cell and ConvLSTM Cell

描述

貢獻者指南

技術棧

無

領域

machine learning

議題類型

feature

難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。

4

預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。

3-5 days

活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。

stale

清晰度議題是否清楚說明預期改動、驗收標準和下一步。

mostly clear

前置要求

Familiarity with Flux.jlUnderstanding of convolutional layersBasic knowledge of recurrent networks

新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。

35

研究方向

Refer to the linked MXNet implementation for reference. Start by examining existing convolutional layers in Flux (e.g., Conv, ConvTranspose) and recurrent cells (e.g., LSTM, GRU). Implement a ConvRNN cell similar to the MXNet version, then combine multiple cells to form ConvLSTM. Ensure compatibility with Flux's automatic differentiation. Open a draft PR early for feedback.