► Keras 3 API 文档 / 层 API / 卷积层 / DepthwiseConv2D 层

DepthwiseConv2D 层

`DepthwiseConv2D` 类

keras.layers.DepthwiseConv2D(
    kernel_size,
    strides=(1, 1),
    padding="valid",
    depth_multiplier=1,
    data_format=None,
    dilation_rate=(1, 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
)

二维深度卷积层。

深度卷积是一种卷积类型，其中每个输入通道都使用不同的内核（称为深度卷积核）进行卷积。您可以将深度卷积理解为深度可分离卷积的第一步。

它是通过以下步骤实现的：

将输入拆分为单个通道。
使用具有 depth_multiplier 个输出通道的单个深度卷积核对每个通道进行卷积。
沿着通道轴连接卷积输出。

与常规的二维卷积不同，深度卷积不会混合不同输入通道的信息。

depth_multiplier 参数决定了对一个输入通道应用多少个过滤器。因此，它控制着在深度卷积步骤中每个输入通道生成的输出通道的数量。

参数

kernel_size：整数或包含 2 个整数的元组/列表，指定深度卷积窗口的大小。
strides：整数或包含 2 个整数的元组/列表，指定深度卷积的步长。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" 会导致在输入的左侧/右侧或上下均匀填充。当 padding="same" 且 strides=1 时，输出与输入具有相同的大小。
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 input_channel * depth_multiplier。
data_format：字符串，可以是 "channels_last" 或 "channels_first"。输入中维度顺序。"channels_last" 对应于形状为 (batch, height, width, channels) 的输入，而 "channels_first" 对应于形状为 (batch, channels, height, width) 的输入。它默认为 Keras 配置文件 ~/.keras/keras.json 中找到的 image_data_format 值。如果您从未设置它，则它将为 "channels_last"。
dilation_rate：整数或包含 2 个整数的元组/列表，指定用于膨胀卷积的膨胀率。
activation：激活函数。如果为 None，则不应用激活函数。
use_bias：布尔值，如果为 True，则将偏差添加到输出。
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：偏差向量的初始化器。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：偏差向量的可选正则化器。
activity_regularizer：输出的可选正则化函数。
depthwise_constraint：可选投影函数，应用于由 Optimizer 更新后的内核（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变量作为输入，并且必须返回投影变量（必须具有相同的形状）。在进行异步分布式训练时，约束的使用是不安全的。
bias_constraint：可选投影函数，应用于由 Optimizer 更新后的偏差。

输入形状

如果 data_format="channels_last"：一个 4D 张量，形状为：(batch_size, height, width, channels)
如果 data_format="channels_first"：一个 4D 张量，形状为：(batch_size, channels, height, width)

输出形状

如果 data_format="channels_last"：一个 4D 张量，形状为：(batch_size, new_height, new_width, channels * depth_multiplier)
如果 data_format="channels_first"：一个 4D 张量，形状为：(batch_size, channels * depth_multiplier, new_height, new_width)

返回值

一个表示 activation(depthwise_conv2d(inputs, kernel) + bias) 的 4D 张量。

引发异常

ValueError：当 strides > 1 和 dilation_rate > 1 同时存在时。

示例

>>> x = np.random.rand(4, 10, 10, 12)
>>> y = keras.layers.DepthwiseConv2D(kernel_size=3, activation='relu')(x)
>>> print(y.shape)
(4, 8, 8, 12)

DepthwiseConv2D 层

DepthwiseConv2D 类

DepthwiseConv2D 层

DepthwiseConv2D 类

`DepthwiseConv2D` 类