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
)

深度方向（Depthwise）2D 卷积。

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

它通过以下步骤实现：

• 将输入分割成单独的通道。
• 将每个通道与具有 depth_multiplier 输出通道的单独深度核进行卷积。
• 沿通道轴连接卷积输出。

与常规的 2D 卷积不同，深度方向卷积不会在不同的输入通道之间混合信息。

depth_multiplier 参数决定了每个输入通道应用多少个滤波器。因此，它控制在深度方向卷积步骤中为每个输入通道生成的输出通道数量。

参数

• kernel_size：一个整数或包含 2 个整数的元组/列表，指定 2D 卷积窗口的高度和宽度。可以是一个整数，为所有空间维度指定相同的值。
• strides：一个整数或包含 2 个整数的元组/列表，指定卷积在高度和宽度上的步长。可以是一个整数，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具有相同长度的步长。指定任何大于 1 的步长值都与指定任何大于 1 的 dilation_rate 值不兼容。
• padding：'valid' 或 'same'（不区分大小写）之一。"valid" 表示不进行填充。"same" 会在输入的左/右或上/下均匀地填充零，以便输出在高度/宽度维度上与输入相同。
• depth_multiplier：每个输入通道的深度方向卷积输出通道数。深度方向卷积的总输出通道数将等于 filters_in * depth_multiplier。
• data_format：一个字符串，值为 channels_last（默认）或 channels_first。输入维度中的排序方式。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。未指定时，将使用您的 TF-Keras 配置文件 ~/.keras/keras.json 中的 image_data_format 值（如果存在），否则默认为 'channels_last'。默认为 'channels_last'。
• dilation_rate：一个整数或包含 2 个整数的元组/列表，指定用于空洞卷积的空洞率。当前，指定任何大于 1 的 dilation_rate 值都与指定任何大于 1 的 strides 值不兼容。
• activation：要使用的激活函数。如果您不指定任何内容，则不应用激活（请参阅 keras.activations）。
• use_bias：布尔值，表示该层是否使用偏置向量。
• depthwise_initializer：深度方向卷积核矩阵的初始化器（参见 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（参见 keras.initializers）。如果为 None，则将使用默认初始化器 ('zeros')。
• depthwise_regularizer：应用于深度方向卷积核矩阵的正则化器函数（参见 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”）的正则化器函数（参见 keras.regularizers）。
• depthwise_constraint：应用于深度方向卷积核矩阵的约束函数（参见 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

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

输出形状

4D 张量，形状为：如果 data_format='channels_first'，则为 [batch_size, channels * depth_multiplier, new_rows, new_cols]；如果 data_format='channels_last'，则为 [batch_size, new_rows, new_cols, channels * depth_multiplier]。由于填充，rows 和 cols 的值可能会发生变化。

返回

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

引发

• ValueError：如果 padding 为 "causal"。 （"因果"）
• ValueError：当 strides > 1 且 dilation_rate > 1 时。