SeparableConv2D 层

[源代码]

SeparableConv2D 类

tf_keras.layers.SeparableConv2D(
    filters,
    kernel_size,
    strides=(1, 1),
    padding="valid",
    data_format=None,
    dilation_rate=(1, 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
)

深度可分离二维卷积。

可分离卷积由首先执行深度空间卷积（它独立作用于每个输入通道）以及随后执行点式卷积（该点式卷积混合产生的输出通道）组成。depth_multiplier 参数控制在深度卷积步骤中每个输入通道生成多少个输出通道。深度卷积输出通道的总数将等于 filters_in * depth_multiplier。

从直观上讲，可分离卷积可以理解为将卷积核分解为两个更小的核的方法，或者理解为 Inception 块的极端版本。

参数

• filters: 整数，输出空间的维度（即卷积中的输出滤波器数量）。
• kernel_size: 整数或 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: 整数或 2 个整数的元组/列表，指定卷积沿高度和宽度的步长。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具有相等长度的步长。指定任何 != 1 的步长值与指定任何 != 1 的 dilation_rate 值不兼容。
• padding: "valid" 或 "same" 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，使得输出与输入具有相同的高度/宽度维度。
• 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, 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，使用在你的 Keras 配置文件 ~/.keras/keras.json（如果存在）中找到的 image_data_format 值，否则使用 'channels_last'。默认值为 'channels_last'。
• dilation_rate: 整数或 2 个整数的元组/列表，指定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 filters_in * depth_multiplier。
• activation: 要使用的激活函数。如果未指定任何内容，则不应用激活函数（参见 keras.activations）。
• use_bias: 布尔值，表示该层是否使用偏置向量。
• 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: 点式卷积核的初始化器（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，则将使用默认初始化器（'zeros'）（参见 keras.initializers）。
• depthwise_regularizer: 应用于深度卷积核矩阵的正则化函数（参见 keras.regularizers）。
• pointwise_regularizer: 应用于点式卷积核矩阵的正则化函数（参见 keras.regularizers）。
• bias_regularizer: 应用于偏置向量的正则化函数（参见 keras.regularizers）。
• activity_regularizer: 应用于层输出（其“激活”）的正则化函数（参见 keras.regularizers）。
• depthwise_constraint: 应用于深度卷积核矩阵的约束函数（参见 keras.constraints）。
• pointwise_constraint: 应用于点式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（参见 keras.constraints）。

输入形状

形状为 4D 张量：如果 data_format='channels_first'，形状为 (batch_size, channels, rows, cols)；如果 data_format='channels_last'，形状为 (batch_size, rows, cols, channels)。

输出形状

形状为 4D 张量：如果 data_format='channels_first'，形状为 (batch_size, filters, new_rows, new_cols)；如果 data_format='channels_last'，形状为 (batch_size, new_rows, new_cols, filters)。rows 和 cols 的值可能因填充而改变。

返回值

表示 activation(separableconv2d(inputs, kernel) + bias) 的 4 阶张量。

异常

• ValueError: 如果 padding 是 "causal"。