SeparableConv2D 层

[源代码]

SeparableConv2D 类

tf_keras.layers.SeparableConv2D(
    filters,
    kernel_size,
    strides=(1, 1),
    padding="valid",
    data_format=None,
    dilation_rate=(1, 1),
    depth_multiplier=1,
    activation=None,
    use_bias=True,
    depthwise_initializer="glorot_uniform",
    pointwise_initializer="glorot_uniform",
    bias_initializer="zeros",
    depthwise_regularizer=None,
    pointwise_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    depthwise_constraint=None,
    pointwise_constraint=None,
    bias_constraint=None,
    **kwargs
)

深度可分离二维卷积。

可分离卷积首先执行深度方向的空间卷积（分别作用于每个输入通道），然后执行逐点卷积来混合生成的输出通道。depth_multiplier 参数控制深度方向步骤中每个输入通道生成的输出通道数。

直观地说，可分离卷积可以理解为将卷积核分解为两个较小的核，或者作为 Inception 块的极端版本。

参数

• filters：整数，输出空间的维度（即卷积中输出滤波器的数量）。
• 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，以指定所有空间维度相同的数值。
• strides：整数或包含 2 个整数的元组/列表，指定沿高度和宽度卷积的步长。可以是单个整数，以指定所有空间维度相同的数值。当前实现仅支持行和列维度中长度相等的步长。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" 会导致在输入的左右或上下均匀地填充零，以便输出具有与输入相同的高度/宽度维度。
• data_format：字符串，channels_last（默认值）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 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，指定用于扩张卷积的扩张率。
• depth_multiplier：每个输入通道的深度方向卷积输出通道数。深度方向卷积输出通道的总数将等于 filters_in * depth_multiplier。
• activation：要使用的激活函数。如果未指定任何内容，则不应用任何激活（请参阅 keras.activations）。
• use_bias：布尔值，指示层是否使用偏差向量。
• depthwise_initializer：深度方向卷积核的初始化器（请参阅 keras.initializers）。如果为 None，则将使用默认初始化器（'glorot_uniform'）。
• pointwise_initializer：逐点卷积核的初始化器（请参阅 keras.initializers）。如果为 None，则将使用默认初始化器（'glorot_uniform'）。
• bias_initializer：偏差向量的初始化器。如果为 None，则将使用默认初始化器（'zeros'）（请参阅 keras.initializers）。
• depthwise_regularizer：应用于深度方向核矩阵的正则化函数（请参阅 keras.regularizers）。
• pointwise_regularizer：应用于逐点核矩阵的正则化函数（请参阅 keras.regularizers）。
• bias_regularizer：应用于偏差向量的正则化函数（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：应用于深度方向核矩阵的约束函数（请参阅 keras.constraints）。
• pointwise_constraint：应用于逐点核矩阵的约束函数（请参阅 keras.constraints）。
• bias_constraint：应用于偏差向量的约束函数（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, filters, 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, filters) 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(separableconv2d(inputs, kernel) + bias) 的秩为 4 的张量。

引发异常

• ValueError：如果 padding 为 "causal"。