La mayoría de las redes y funciones de deep learning operan de forma distinta en diferentes dimensiones de los datos de entrada.
Por ejemplo, una operación de LSTM itera sobre la dimensión de tiempo de los datos de entrada, mientras que una operación de normalización de lote normaliza sobre la dimensión de lote de los datos de entrada.
Para proporcionar datos de entrada con dimensiones etiquetadas o con información de formato adicional, puede usar formatos de datos.
Un formato de datos es una cadena de caracteres, en la que cada carácter describe el tipo de la dimensión de datos correspondiente.
Los caracteres son los siguientes:
"S"
: espacial
"C"
: canal
"B"
: lote
"T"
: tiempo
"U"
: sin especificar
Por ejemplo, considere un arreglo que representa un lote de secuencias, donde la primera, la segunda y la tercera dimensión corresponden a canales, observaciones y unidades de tiempo, respectivamente. Puede describir los datos como si tuvieran el formato "CBT"
(canal, lote, tiempo).
Para crear datos de entrada con formato, cree un objeto dlarray
y especifique el formato mediante el segundo argumento.
Para proporcionar información de formato adicional con datos que no tienen formato, especifique el formato mediante el argumento FMT
.
Para obtener más información, consulte Deep Learning Data Formats.