深度学习 | MATLAB实现TCN时间卷积神经网络spatialDropoutLayer参数描述

深度学习 | MATLAB实现TCN时间卷积神经网络spatialDropoutLayer参数描述

基本介绍

与循环网络相比，TCN 的缺点之一是它们在推理过程中具有更大的内存占用。 计算下一个时间步长需要整个原始序列。为了减少推理时间和内存消耗，尤其是对于提前预测，请使用最小的敏感感受野大小 R 进行训练，并仅使用输入序列的最后 R 时间步长执行预测。 一般的 TCN 架构由多个残差块组成，每个残差块包含两组具有相同扩张因子的扩张因果卷积层，然后是归一化、ReLU 激活和空间丢失层。 网络将每个块的输入添加到块的输出中（包括在输入和输出之间的通道数不匹配时对输入进行 1×1 卷积）并应用最终激活函数。

程序描述