SeparableConv1D 层

[源代码]

SeparableConv1D 类

tf_keras.layers.SeparableConv1D(
    filters,
    kernel_size,
    strides=1,
    padding="valid",
    data_format=None,
    dilation_rate=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
)

深度可分离一维卷积。

该层执行一个深度卷积（独立作用于通道），然后进行一个逐点卷积（混合通道）。如果 use_bias 为 True 并且提供了偏置初始化器，则会在输出中添加一个偏置向量。然后，它会根据需要应用一个激活函数来生成最终输出。

参数

• filters: 整型，输出空间的维度（即卷积中的滤波器数量）。
• kernel_size: 一个整型，指定滤波器的空间维度。
• strides: 一个整型，指定卷积的步幅。指定任何 stride 值不等于 1 都与指定任何 dilation_rate 值不等于 1 不兼容。
• padding: "valid"、"same" 或 "causal"（不区分大小写）之一。"valid" 表示不填充。"same" 会对输入的左/右或上/下进行均匀填充，使输出的高度/宽度维度与输入相同。"causal" 会产生因果（膨胀）卷积，例如 output[t] 不依赖于 input[t+1:]。
• data_format: 一个字符串，为 channels_last（默认）或 channels_first 之一。输入中的维度顺序。channels_last 对应于形状为 (batch_size, length, channels) 的输入，而 channels_first 对应于形状为 (batch_size, channels, length) 的输入。
• dilation_rate: 一个整型，指定要用于膨胀卷积的膨胀率。
• 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 num_filters_in * depth_multiplier。
• 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，该层是否使用偏置。
• depthwise_initializer: 深度卷积核的初始化器（参见 keras.initializers）。如果为 None，则将使用默认初始化器（'glorot_uniform'）。
• pointwise_initializer: 点卷积核的初始化器（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。如果为 None，将使用默认初始化器（'zeros'）（参见 keras.initializers）。
• depthwise_regularizer: 深度卷积核的可选正则化器（参见 keras.regularizers）。
• pointwise_regularizer: 点卷积核的可选正则化器（参见 keras.regularizers）。
• bias_regularizer: 偏置向量的可选正则化器（参见 keras.regularizers）。
• activity_regularizer: 输出的可选正则化器函数（参见 keras.regularizers）。
• depthwise_constraint: 可选的投影函数，在深度卷积核被 Optimizer 更新后应用（例如，用于层权重的范数约束或值约束）。该函数必须以未投影变量作为输入，并返回投影后的变量（其形状必须相同）。在进行异步分布式训练时，使用约束可能不安全（参见 keras.constraints）。
• pointwise_constraint: 可选的投影函数，在点卷积核被 Optimizer 更新后应用（参见 keras.constraints）。
• bias_constraint: 可选的投影函数，在偏置被 Optimizer 更新后应用（参见 keras.constraints）。
• trainable: 布尔值，如果为 True，则此层的权重将被标记为可训练（并在 layer.trainable_weights 中列出）。

输入形状

形状为 3D 张量：如果 data_format='channels_first'，则形状为 (batch_size, channels, steps)；如果 data_format='channels_last'，则形状为 (batch_size, steps, channels)。

输出形状

形状为 3D 张量：如果 data_format='channels_first'，则形状为 (batch_size, filters, new_steps)；如果 data_format='channels_last'，则形状为 (batch_size, new_steps, filters)。由于填充或步幅，new_steps 的值可能会发生变化。

返回

秩为 3 的张量，表示 activation(separableconv1d(inputs, kernel) + bias)。