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。

可分离卷积由两个步骤组成：首先执行深度空间卷积（分别作用于每个输入通道），然后进行逐点卷积，对输出的通道进行混合。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。

直观地说，可分离卷积可以被理解为将卷积核分解为两个较小核的方法，或者作为 Inception 块的极端形式。

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：一个整数或包含 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：一个整数或元组/列表，包含 2 个整数，指定卷积在高度和宽度上的步幅。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上相等长度的步幅。指定任何不等于 1 的步幅值都与指定任何不等于 1 的 dilation_rate 值不兼容。
• padding："valid" 或 "same" 之一（不区分大小写）。"valid" 表示不进行填充。"same" 会在输入的左/右或上/下均匀地填充零，从而使输出具有与输入相同的宽度/高度维度。
• data_format：一个字符串，值为 channels_last（默认）或 channels_first。输入中的维度顺序。channels_last 对应形状为 (batch_size, height, width, channels) 的输入，而 channels_first 对应形状为 (batch_size, channels, height, width) 的输入。如果未指定，则使用 Keras 配置文件 ~/.keras/keras.json 中的 image_data_format 值（如果存在），否则默认为 'channels_last'。默认为 'channels_last'。
• dilation_rate：一个整数或元组/列表，包含 2 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。深度卷积的总输出通道数将等于 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，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：应用于深度卷积核矩阵的正则化器函数（参见 keras.regularizers）。
• pointwise_regularizer：应用于逐点卷积核矩阵的正则化器函数（参见 keras.regularizers）。
• bias_regularizer：应用于偏置向量的正则化函数（请参阅 keras.regularizers）。
• activity_regularizer：应用于层输出（其“激活”）的正则化函数（请参阅 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：应用于逐点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（请参阅 keras.constraints）。

输入形状

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

输出形状

4D 张量，形状为：如果 data_format='channels_first'，则为 (batch_size, filters, new_rows, new_cols)；如果 data_format='channels_last'，则为 (batch_size, new_rows, new_cols, filters)。由于填充，rows 和 cols 的值可能会发生变化。

返回

一个秩为 4 的张量，表示 activation(separableconv2d(inputs, kernel) + bias)。

引发

• ValueError：如果 padding 为 "causal"。 （"因果"）