當前位置: 首頁>>編程示例 >>用法及示例精選 >>正文

Python tf.keras.layers.Conv2D用法及代碼示例

2D 卷積層(例如圖像上的空間卷積)。

繼承自：Layer，Module

用法

tf.keras.layers.Conv2D(
    filters, kernel_size, strides=(1, 1), padding='valid',
    data_format=None, dilation_rate=(1, 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 2 個整數的元組/列表，指定 2D 卷積窗口的高度和寬度。可以是單個整數，為所有空間維度指定相同的值。
  • strides 一個整數或 2 個整數的元組/列表，指定卷積沿高度和寬度的步幅。可以是單個整數，為所有空間維度指定相同的值。指定任何步幅值 != 1 與指定任何 dilation_rate 值 != 1 不兼容。
  • padding "valid" 或 "same" 之一(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。當 padding="same" 和 strides=1 時，輸出的大小與輸入的大小相同。
  • data_format 一個字符串，是 channels_last (默認)或 channels_first 之一。輸入中維度的排序。 channels_last 對應於形狀為 (batch_size, height, width, channels) 的輸入，而 channels_first 對應於形狀為 (batch_size, channels, height, width) 的輸入。它默認為您的 Keras 配置文件中的 image_data_format 值 ~/.keras/keras.json 。如果您從未設置它，那麽它將是 channels_last 。
  • dilation_rate 一個整數或 2 個整數的元組/列表，指定用於擴張卷積的擴張率。可以是單個整數，為所有空間維度指定相同的值。目前，指定任何 dilation_rate 值 != 1 與指定任何步幅值 != 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

  • 表示 activation(conv2d(inputs, kernel) + bias) 的 4+ 階張量。

拋出

  • ValueError 如果 padding 是 "causal" 。
  • ValueError 當 strides > 1 和 dilation_rate > 1 時。

該層創建一個卷積核，該卷積核與層輸入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，請提供關鍵字參數 input_shape(整數元組或 None ，不包括樣本軸)，例如input_shape=(128, 128, 3) 用於 data_format="channels_last" 中的 128x128 RGB 圖片。當維度具有可變大小時，您可以使用None。

例子：

# The inputs are 28x28 RGB images with `channels_last` and the batch
# size is 4.
input_shape = (4, 28, 28, 3)
x = tf.random.normal(input_shape)
y = tf.keras.layers.Conv2D(
2, 3, activation='relu', input_shape=input_shape[1:])(x)
print(y.shape)
(4, 26, 26, 2)
# With `dilation_rate` as 2.
input_shape = (4, 28, 28, 3)
x = tf.random.normal(input_shape)
y = tf.keras.layers.Conv2D(
2, 3, activation='relu', dilation_rate=2, input_shape=input_shape[1:])(x)
print(y.shape)
(4, 24, 24, 2)
# With `padding` as "same".
input_shape = (4, 28, 28, 3)
x = tf.random.normal(input_shape)
y = tf.keras.layers.Conv2D(
2, 3, activation='relu', padding="same", input_shape=input_shape[1:])(x)
print(y.shape)
(4, 28, 28, 2)
# With extended batch shape [4, 7]:
input_shape = (4, 7, 28, 28, 3)
x = tf.random.normal(input_shape)
y = tf.keras.layers.Conv2D(
2, 3, activation='relu', input_shape=input_shape[2:])(x)
print(y.shape)
(4, 7, 26, 26, 2)

輸入形狀：

4+D 張量與形狀：batch_shape + (channels, rows, cols) if data_format='channels_first' 或 4+D 張量與形狀：batch_shape + (rows, cols, channels) if data_format='channels_last'。

輸出形狀：

4+D 張量與形狀：batch_shape + (filters, new_rows, new_cols) if data_format='channels_first' 或 4+D 張量與形狀：batch_shape + (new_rows, new_cols, filters) if data_format='channels_last'。 rows 和 cols 值可能因填充而發生更改。

相關用法


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.Conv2D。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。