keras conv(keras中文手册)

大家好，又见面了，我是你们的朋友全栈君。

Conv2D：图像空间的2维卷积

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)

该层创建了一个卷积内核。如果将该图层用作模型中的第一个图层时，需要提供关键参数input_shape(整数元组)，如input_shape=(128,128,3)对应于128×128 的RGB图片。

参数

• filter：整数，卷积输出滤波器的数量。
• kernel_size：2个整数或2个整数构成的元组/列表，指定2-dim卷积窗口的高度和宽度。可以是单个整数，以指定具有相同值的所有空间维度。
• strides：2个整数或2个整数构成的元组/列表，指定沿着高度和宽度卷积的步长，如果是单个整数则指定所有的空间维度具有相同的值。
• padding：有“valid”或“same”
• data_format：一个字符串，一个channels_last或channels_first，前者对应的输入shape是(batch, height, width, channels)，后者对应的shape是(batch, channels, height, width)。默认的是“channels_last”
• dilation_rate：2个整数或2个整数构成的元组/列表，指定用于扩张卷积的扩张率。可以是单个整数，以指定具有相同值的所有空间维度。
• activation：如“relu”、“sigmoid”等
• use_bias：Boolean，该层是否使用偏置向量。
• kernel_initializer：kernel权重矩阵的初始化器
• bias_initializer：偏置向量的初始化器
• kernel_regularizer：应用于kernel权重矩阵的正则化函数
• bias_regularizer：应用于偏置向量的正则化函数
• activity_regularizer：应用于图层输出的正则化函数（它的“激活”）
• kernel_constraint：应用于内核矩阵的约束函数
• bias_constraint：应用于偏置向量的约束函数

Input shape

4D tensor with shape: (batch, channels, rows, cols) if data_format is “channels_first” or 4D tensor with shape: (batch, rows, cols, channels) if data_format is “channels_last”.

Output shape

4D tensor with shape: (batch, filters, new_rows, new_cols) if data_format is “channels_first” or 4D tensor with shape: (batch, new_rows, new_cols, filters) if data_format is “channels_last”. rows and cols values might have changed due to padding.

详细内容请查看 原文档

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/128883.html原文链接：https://javaforall.cn