► Keras 3 API 文档 / 层 API / 卷积层 / DepthwiseConv1D 层

DepthwiseConv1D 层

`DepthwiseConv1D` 类

keras.layers.DepthwiseConv1D(
    kernel_size,
    strides=1,
    padding="valid",
    depth_multiplier=1,
    data_format=None,
    dilation_rate=1,
    activation=None,
    use_bias=True,
    depthwise_initializer="glorot_uniform",
    bias_initializer="zeros",
    depthwise_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    depthwise_constraint=None,
    bias_constraint=None,
    **kwargs
)

1D 深度可分离卷积层。

深度可分离卷积是一种卷积类型，其中每个输入通道都与不同的核（称为深度核）进行卷积。你可以将深度可分离卷积理解为深度可分离卷积的第一步。

它通过以下步骤实现

将输入拆分为单独的通道。
将每个通道与具有 depth_multiplier 输出通道的单独深度核进行卷积。
沿通道轴连接卷积后的输出。

与常规 1D 卷积不同，深度可分离卷积不会混合不同输入通道之间的信息。

depth_multiplier 参数确定应用于一个输入通道的滤波器数量。因此，它控制在深度步骤中每个输入通道生成的输出通道数量。

参数

kernel_size: int 或 1 个整数的元组/列表，指定深度可分离卷积窗口的大小。
strides: int 或 1 个整数的元组/列表，指定卷积的步幅长度。strides > 1 与 dilation_rate > 1 不兼容。
padding: 字符串，可以是 "valid" 或 "same"（不区分大小写）。"valid" 表示不填充。"same" 导致在输入的左/右或上/下均匀填充。当 padding="same" 且 strides=1 时，输出与输入大小相同。
depth_multiplier: 每个输入通道的深度可分离卷积输出通道数。深度可分离卷积输出通道的总数将等于 input_channel * depth_multiplier。
data_format: 字符串，可以是 "channels_last" 或 "channels_first"。输入中维度的顺序。"channels_last" 对应于形状为 (batch, steps, features) 的输入，而 "channels_first" 对应于形状为 (batch, features, steps) 的输入。它默认为在你的 Keras 配置文件 ~/.keras/keras.json 中找到的 image_data_format 值。如果你从未设置过，则默认为 "channels_last"。
dilation_rate: int 或 1 个整数的元组/列表，指定用于空洞卷积的空洞率。
activation: 激活函数。如果为 None，则不应用激活函数。
use_bias: bool，如果为 True，则将偏置添加到输出。
depthwise_initializer: 卷积核的初始化器。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"）。
depthwise_regularizer: 卷积核的可选正则化器。
bias_regularizer: 偏置向量的可选正则化器。
activity_regularizer: 输出的可选正则化函数。
depthwise_constraint: 可选的投影函数，在卷积核被 Optimizer 更新后应用于卷积核（例如，用于实现层权重的范数约束或值约束）。该函数必须将未投影的变量作为输入，并且必须返回投影的变量（其必须具有相同的形状）。在进行异步分布式训练时，约束是不安全的。
bias_constraint: 可选的投影函数，在偏置被 Optimizer 更新后应用于偏置。

输入形状

如果 data_format="channels_last"：形状为 (batch_shape, steps, channels) 的 3D 张量
如果 data_format="channels_first"：形状为 (batch_shape, channels, steps) 的 3D 张量

输出形状

如果 data_format="channels_last"：形状为 (batch_shape, new_steps, channels * depth_multiplier) 的 3D 张量
如果 data_format="channels_first"：形状为 (batch_shape, channels * depth_multiplier, new_steps) 的 3D 张量

返回值

表示 activation(depthwise_conv1d(inputs, kernel) + bias) 的 3D 张量。

可能引发

ValueError: 当 strides > 1 和 dilation_rate > 1 时。

示例

>>> x = np.random.rand(4, 10, 12)
>>> y = keras.layers.DepthwiseConv1D(3, 3, 2, activation='relu')(x)
>>> print(y.shape)
(4, 4, 36)

DepthwiseConv1D 层

DepthwiseConv1D 类

DepthwiseConv1D 层

DepthwiseConv1D 类

`DepthwiseConv1D` 类