DepthwiseConv2D 层

[源代码]

DepthwiseConv2D 类

tf_keras.layers.DepthwiseConv2D(
    kernel_size,
    strides=(1, 1),
    padding="valid",
    depth_multiplier=1,
    data_format=None,
    dilation_rate=(1, 1),
    activation=None,
    use_bias=True,
    depthwise_initializer="glorot_uniform",
    bias_initializer="zeros",
    depthwise_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    depthwise_constraint=None,
    bias_constraint=None,
    **kwargs
)

深度可分离二维卷积。

深度可分离卷积是一种卷积类型，其中每个输入通道都与一个不同的核（称为深度卷积核）进行卷积。您可以将深度可分离卷积理解为深度可分离卷积的第一步。

其实现步骤如下：

• 将输入拆分为单个通道。
• 使用具有 depth_multiplier 个输出通道的单个深度卷积核对每个通道进行卷积。
• 沿通道轴连接卷积后的输出。

与常规的二维卷积不同，深度可分离卷积不会混合不同输入通道的信息。

depth_multiplier 参数决定了应用于一个输入通道的滤波器数量。因此，它控制了深度步骤中每个输入通道生成的输出通道数量。

参数

• kernel_size：整数或包含 2 个整数的元组/列表，指定二维卷积窗口的高度和宽度。可以是单个整数，为所有空间维度指定相同的值。
• strides：整数或包含 2 个整数的元组/列表，指定沿高度和宽度的卷积步长。可以是单个整数，为所有空间维度指定相同的值。当前实现仅支持行和列维度上长度相等的步长。指定任何步长值 != 1 与指定任何 dilation_rate 值 != 1 不兼容。
• padding：'valid' 或 'same' 之一（不区分大小写）。"valid" 表示不填充。"same" 会导致在输入的左侧/右侧或上下方用零均匀填充，以便输出具有与输入相同的高度/宽度维度。
• depth_multiplier：每个输入通道的深度卷积输出通道数。深度卷积输出通道的总数将等于 filters_in * depth_multiplier。
• data_format：字符串，channels_last（默认）或 channels_first 之一。输入中维度的顺序。channels_last 对应于形状为 (batch_size, height, width, channels) 的输入，而 channels_first 对应于形状为 (batch_size, channels, height, width) 的输入。如果未指定，则使用 TF-Keras 配置文件 ~/.keras/keras.json（如果存在）中找到的 image_data_format 值，否则为 'channels_last'。默认为 'channels_last'。
• dilation_rate：整数或包含 2 个整数的元组/列表，指定用于膨胀卷积的膨胀率。目前，指定任何 dilation_rate 值 != 1 与指定任何 strides 值 != 1 不兼容。
• activation：要使用的激活函数。如果您不指定任何内容，则不应用任何激活（请参阅 keras.activations）。
• use_bias：布尔值，指示层是否使用偏置向量。
• depthwise_initializer：深度卷积核矩阵的初始化器（请参阅 keras.initializers）。如果为 None，则将使用默认初始化器（'glorot_uniform'）。
• bias_initializer：偏置向量的初始化器（请参阅 keras.initializers）。如果为 None，则将使用默认初始化器（'zeros'）。
• depthwise_regularizer：应用于深度卷积核矩阵的正则化函数（请参阅 keras.regularizers）。
• bias_regularizer：应用于偏置向量的正则化函数（请参阅 keras.regularizers）。
• activity_regularizer：应用于层输出（其“激活”）的正则化函数（请参阅 keras.regularizers）。
• depthwise_constraint：应用于深度卷积核矩阵的约束函数（请参阅 keras.constraints）。
• bias_constraint：应用于偏置向量的约束函数（请参阅 keras.constraints）。

输入形状

如果 data_format='channels_first'，则为形状为 [batch_size, channels, rows, cols] 的 4D 张量；如果 data_format='channels_last'，则为形状为 [batch_size, rows, cols, channels] 的 4D 张量。

输出形状

如果 data_format='channels_first'，则为形状为 [batch_size, channels * depth_multiplier, new_rows, new_cols] 的 4D 张量；如果 data_format='channels_last'，则为形状为 [batch_size, new_rows, new_cols, channels * depth_multiplier] 的 4D 张量。由于填充，rows 和 cols 值可能已更改。

返回值

一个表示 activation(depthwiseconv2d(inputs, kernel) + bias) 的秩为 4 的张量。

引发异常

• ValueError：如果 padding 为 "causal"。
• ValueError：当 strides > 1 和 dilation_rate > 1 时。