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
stride
值 != 1 与指定任何 dilation_rate
值 != 1 是不兼容的。"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:]
。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。num_filters_in * depth_multiplier
。keras.activations
)。keras.initializers
)。如果为 None,则使用默认初始化器 ('glorot_uniform')。keras.initializers
)。如果为 None,则使用默认初始化器 ('glorot_uniform')。keras.initializers
)。keras.regularizers
)。keras.regularizers
)。keras.regularizers
)。keras.regularizers
)。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
)。Optimizer
更新后应用(参见 keras.constraints
)。Optimizer
更新后应用(参见 keras.constraints
)。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。