tf.keras.layers.Conv2D

作者：马育民 • • 阅读：10548

介绍

二维卷积层，即对图像进行卷积。该层对 二维 输入进行滑动窗卷积。

卷积核计算公式

https://www.malaoshi.top/show_1EF53TtDvZ4C.html

初始化

tf.keras.layers.Conv2D(
    filters,
    kernel_size,
    strides=(1, 1),
    padding='valid',
    data_format=None,
    dilation_rate=(1, 1),
    activation=None,
    use_bias=True,
    kernel_initializer='glorot_uniform',
    bias_initializer='zeros',
    kernel_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    kernel_constraint=None,
    bias_constraint=None,
    input_shape=None,
    **kwargs
)

参数

  • filters：卷积核数量

  • kernel_size：卷积核大小。

    • 单个整数，则表示在各个空间维度的相同长度。
    • 两个整数构成的list/tuple，卷积核的宽度和长度

  • strides：步长，单个整数或由两个整数构成的list/tuple。如为单个整数，则表示在各个空间维度的相同步长。任何不为1的strides均与任何不为1的dilation_rate均不兼容

  • padding：默认“valid”

    • “valid”：对边界数据不填充，卷积后图片会变小
    • “same”：在图片周围填充0，根据公式：(img_size-kernel_size +2*P)/S + 1，不受卷积核大小影响，受步长影响

  • activation：激活函数，为预定义的激活函数名（参考激活函数），或逐元素（element-wise）的Theano函数。如果不指定该参数，将不会使用任何激活函数（即使用线性激活函数：a(x)=x）

  • input_shape：输入形状。该层作为 第一层时，应提供input_shape参数，否则 不会 初始化权重

  • dilation_rate：单个整数或由两个个整数构成的list/tuple，指定dilated convolution中的膨胀比例。任何不为1的dilation_rate均与任何不为1的strides均不兼容。

  • data_format：字符串，“channels_first”或“channels_last”之一，代表图像的通道维的位置。该参数是Keras 1.x中的image_dim_ordering，“channels_last”对应原本的“tf”，“channels_first”对应原本的“th”。以128x128的RGB图像为例，“channels_first”应将数据组织为（3,128,128），而“channels_last”应将数据组织为（128,128,3）。该参数的默认值是~/.keras/keras.json中设置的值，若从未设置过，则为“channels_last”。

  • use_bias:布尔值，是否使用偏置项

  • kernel_initializer：权值初始化方法，为预定义初始化方法名的字符串，或用于初始化权重的初始化器。
    参看：https://www.malaoshi.top/show_1EF4Avx1LqEv.html

  • bias_initializer：权值初始化方法，为预定义初始化方法名的字符串，或用于初始化权重的初始化器。
    参看：https://www.malaoshi.top/show_1EF4Avx1LqEv.html

  • kernel_regularizer：施加在权重上的正则项，为Regularizer对象

  • bias_regularizer：施加在偏置向量上的正则项，为Regularizer对象

  • activity_regularizer：施加在输出上的正则项，为Regularizer对象

  • kernel_constraints：施加在权重上的约束项，为Constraints对象

  • bias_constraints：施加在偏置上的约束项，为Constraints对象

注意：

当使用该层作为 第一层时，应提供input_shape参数，否则 不会 初始化权重

主要方法

get_weights()

返回list类型：

  • 第1个元素是 weight，即：权重。

    形状一般是4维：

    • 第1、2个维度等于 参数 kernel_size，即：卷积核尺寸
    • 第3个维度 等于 输入图片的 通道数
    • 第4个维度等于 参数 filters ，即：卷积核数量

  • 第二个元素是 bias，即：偏执量。一维数组，其长度等于 参数 filters ，即：卷积核数量

感谢：
https://keras-cn.readthedocs.io/en/latest/layers/convolutional_layer/

原文出处：/show_1EF4AvyXH6lx.html

吉ICP备15003043号