SeparableConv1D 层

[源]

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" 或 "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。