一維卷積層(例如時間卷積)。
用法
tf.keras.layers.Conv1D(
filters, kernel_size, strides=1, padding='valid',
data_format='channels_last', dilation_rate=1, groups=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, **kwargs
)
參數
-
filters
整數,輸出空間的維度(即卷積中輸出濾波器的數量)。 -
kernel_size
一個整數或單個整數的元組/列表,指定一維卷積窗口的長度。 -
strides
一個整數或單個整數的元組/列表,指定卷積的步長。指定任何步幅值 != 1 與指定任何dilation_rate
值 != 1 不兼容。 -
padding
之一"valid"
,"same"
或者"causal"
(不區分大小寫)。"valid"
表示沒有填充。"same"
導致在輸入的左/右或上/下均勻填充零,以使輸出具有與輸入相同的高度/寬度尺寸。"causal"
導致因果(擴張)卷積,例如output[t]
不依賴於input[t+1:]
.在模型不應違反時間順序的時間數據建模時很有用。看WaveNet:原始音頻的生成模型,第 2.1 節. -
data_format
一個字符串,是channels_last
(默認)或channels_first
之一。 -
dilation_rate
一個整數或單個整數的元組/列表,指定用於擴張卷積的擴張率。目前,指定任何dilation_rate
值 != 1 與指定任何strides
值 != 1 不兼容。 -
groups
一個正整數,指定輸入沿通道軸拆分的組數。每個組分別與filters / groups
過濾器進行卷積。輸出是沿通道軸的所有groups
結果的串聯。輸入通道和filters
都必須能被groups
整除。 -
activation
要使用的激活函數。如果您未指定任何內容,則不會應用激活(請參閱keras.activations
)。 -
use_bias
布爾值,層是否使用偏置向量。 -
kernel_initializer
kernel
權重矩陣的初始化程序(參見keras.initializers
)。默認為'glorot_uniform'。 -
bias_initializer
偏置向量的初始化程序(參見keras.initializers
)。默認為'zeros'。 -
kernel_regularizer
應用於kernel
權重矩陣的正則化函數(參見keras.regularizers
)。 -
bias_regularizer
應用於偏置向量的正則化函數(參見keras.regularizers
)。 -
activity_regularizer
應用於層輸出的正則化函數(其"activation")(參見keras.regularizers
)。 -
kernel_constraint
應用於核矩陣的約束函數(參見keras.constraints
)。 -
bias_constraint
應用於偏置向量的約束函數(參見keras.constraints
)。
返回
-
代表
activation(conv1d(inputs, kernel) + bias)
的 3 階張量。
拋出
-
ValueError
當strides > 1
和dilation_rate > 1
時。
該層創建了一個卷積核,該核與層輸入在單個空間(或時間)維度上進行卷積,以產生輸出張量。如果 use_bias
為 True,則會創建一個偏置向量並將其添加到輸出中。最後,如果 activation
不是 None
,它也會應用於輸出。
當將此層用作模型中的第一層時,請提供 input_shape
參數(整數元組或 None
,例如 (10, 128)
用於 128 維向量的 10 個向量的序列,或 (None, 128)
用於可變長度128 維向量的序列。
例子:
# The inputs are 128-length vectors with 10 timesteps, and the batch size
# is 4.
input_shape = (4, 10, 128)
x = tf.random.normal(input_shape)
y = tf.keras.layers.Conv1D(
32, 3, activation='relu',input_shape=input_shape[1:])(x)
print(y.shape)
(4, 8, 32)
# With extended batch shape [4, 7] (e.g. weather data where batch
# dimensions correspond to spatial location and the third dimension
# corresponds to time.)
input_shape = (4, 7, 10, 128)
x = tf.random.normal(input_shape)
y = tf.keras.layers.Conv1D(
32, 3, activation='relu', input_shape=input_shape[2:])(x)
print(y.shape)
(4, 7, 8, 32)
輸入形狀:
具有形狀的 3+D 張量:batch_shape + (steps, input_dim)
輸出形狀:
具有形狀的 3+D 張量:batch_shape + (new_steps, filters)
steps
值可能由於填充或步幅而改變。
相關用法
- Python tf.keras.layers.Conv1DTranspose用法及代碼示例
- Python tf.keras.layers.Conv2D用法及代碼示例
- Python tf.keras.layers.Conv3D用法及代碼示例
- Python tf.keras.layers.Conv2DTranspose用法及代碼示例
- Python tf.keras.layers.Conv3DTranspose用法及代碼示例
- Python tf.keras.layers.Concatenate用法及代碼示例
- Python tf.keras.layers.CategoryEncoding用法及代碼示例
- Python tf.keras.layers.Cropping1D用法及代碼示例
- Python tf.keras.layers.Cropping2D用法及代碼示例
- Python tf.keras.layers.Cropping3D用法及代碼示例
- Python tf.keras.layers.InputLayer用法及代碼示例
- Python tf.keras.layers.serialize用法及代碼示例
- Python tf.keras.layers.Dropout用法及代碼示例
- Python tf.keras.layers.maximum用法及代碼示例
- Python tf.keras.layers.LayerNormalization用法及代碼示例
- Python tf.keras.layers.RepeatVector用法及代碼示例
- Python tf.keras.layers.Multiply用法及代碼示例
- Python tf.keras.layers.Activation用法及代碼示例
- Python tf.keras.layers.experimental.preprocessing.PreprocessingLayer.adapt用法及代碼示例
- Python tf.keras.layers.subtract用法及代碼示例
注:本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.keras.layers.Conv1D。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。