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

DepthwiseConv1D 层

[源代码]

DepthwiseConv1D

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
)

一维深度卷积层。

深度卷积是一种卷积类型,其中每个输入通道都与不同的卷积核(称为深度卷积核)进行卷积。你可以将深度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

  • 将输入分成独立的通道。
  • 使用具有 depth_multiplier 个输出通道的独立深度卷积核对每个通道进行卷积。
  • 沿通道轴拼接卷积后的输出。

与常规的一维卷积不同,深度卷积不会混合不同输入通道之间的信息。

`depth_multiplier` 参数决定了应用于一个输入通道的滤波器数量。因此,它控制了在深度卷积步骤中每个输入通道产生的输出通道数量。

参数

  • kernel_size: int 或包含 1 个整数的 tuple/list,指定深度卷积窗口的大小。
  • strides: int 或包含 1 个整数的 tuple/list,指定卷积的步长。strides > 1dilation_rate > 1 不兼容。
  • padding: 字符串,"valid""same"(不区分大小写)。"valid" 表示不进行填充。"same" 表示在输入的左/右或上/下进行均匀填充。当 padding="same"strides=1 时,输出大小与输入相同。
  • depth_multiplier: 每个输入通道的深度卷积输出通道数量。深度卷积输出通道总数将等于 input_channel * depth_multiplier
  • data_format: 字符串,"channels_last""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 Keras 配置文件 ~/.keras/keras.json 中找到的 image_data_format 值。如果你从未设置它,则默认为 "channels_last"
  • dilation_rate: int 或包含 1 个整数的 tuple/list,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,则会在输出中添加偏置项。
  • depthwise_initializer: 卷积核的初始化器。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")。
  • depthwise_regularizer: 可选的卷积核正则化器。
  • bias_regularizer: 可选的偏置向量正则化器。
  • activity_regularizer: 可选的输出正则化函数。
  • depthwise_constraint: 可选的投影函数,在由 Optimizer 更新卷积核后应用(例如,用于实现层权重的范数约束或值约束)。该函数必须接受未投影的变量作为输入,并返回投影后的变量(必须具有相同的形状)。在进行异步分布式训练时,使用约束可能不安全。
  • bias_constraint: 可选的投影函数,在由 Optimizer 更新偏置项后应用。

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

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

引发

  • ValueError: 当 strides > 1dilation_rate > 1 都成立时。

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)