Keras 2 API 文档 / 层 API / 卷积层 / SeparableConv1D 层

SeparableConv1D 层

[源]

SeparableConv1D

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。

该层执行深度卷积(独立作用于每个通道),然后执行逐点卷积(混合通道)。如果 use_bias 为 True 且提供了偏置初始化器,则会将偏置向量添加到输出中。然后可选地应用激活函数以产生最终输出。

参数

  • filters: Integer,输出空间的维度(即卷积中的滤波器数量)。
  • kernel_size: 单个整数,指定滤波器的空间尺寸。
  • strides: 单个整数,指定卷积的步长。指定任何 stride 值 != 1 与指定任何 dilation_rate 值 != 1 是不兼容的。
  • padding: "valid""same""causal" 之一(不区分大小写)。"valid" 表示无填充。"same" 会在输入的左/右或上/下均匀填充零,以便输出与输入具有相同的高度/宽度维度。"causal" 会产生因果(扩张)卷积,例如 output[t] 不依赖于 input[t+1:]
  • 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, length, channels) 的输入,而 channels_first 对应于形状为 (batch_size, channels, length) 的输入。
  • dilation_rate: 单个整数,指定用于扩张卷积的扩张率。
  • 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。如果未指定任何内容,则不应用任何激活(参见 keras.activations)。
  • use_bias: 布尔值,指示层是否使用偏置。
  • depthwise_initializer: 深度卷积核的初始化器(参见 keras.initializers)。如果为 None,则使用默认初始化器 ('glorot_uniform')。
  • pointwise_initializer: 逐点卷积核的初始化器(参见 keras.initializers)。如果为 None,则使用默认初始化器 ('glorot_uniform')。
  • bias_initializer: 偏置向量的初始化器。如果为 None,则使用默认初始化器 ('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: 逐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: 输出的可选正则化函数(参见 keras.regularizers)。
  • depthwise_constraint: 应用于深度核的可选投影函数,在由 Optimizer 更新后应用(例如,用于层权重的范数约束或值约束)。该函数必须将未投影变量作为输入,并必须返回投影变量(其必须具有相同的形状)。在进行异步分布式训练时,使用约束是不安全的(参见 keras.constraints)。
  • pointwise_constraint: 应用于逐点核的可选投影函数,在由 Optimizer 更新后应用(参见 keras.constraints)。
  • bias_constraint: 应用于偏置的可选投影函数,在由 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(并列在 layer.trainable_weights 中)。

输入形状

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

输出形状

3D 张量,如果 data_format='channels_first',形状为:(batch_size, filters, new_steps);如果 data_format='channels_last',形状为:(batch_size, new_steps, filters)。由于 padding 或 strides,new_steps 的值可能会发生变化。

返回

一个表示 activation(separableconv1d(inputs, kernel) + bias) 的秩为 3 的张量。