► Keras 3 API 文档 / 层 API / 卷积层 / SeparableConv2D 层

SeparableConv2D 层

`SeparableConv2D` 类

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
)

二维可分离卷积层。

此层执行深度卷积，它分别作用于通道，然后执行逐点卷积以混合通道。如果 use_bias 为 True 并且提供了偏差初始化器，则它会将偏差向量添加到输出中。然后，它可以选择性地应用激活函数以生成最终输出。

参数

filters: 整数，输出空间的维度（即逐点卷积中的滤波器数量）。
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。如果只指定一个整数，则所有维度将使用相同的步长。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" 和 strides=1 时，输出与输入具有相同的大小。
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, height, width, channels) 的输入，而 "channels_first" 对应于形状为 (batch, channels, height, width) 的输入。它默认为在您的 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。如果只指定一个整数，则所有维度将使用相同的膨胀率。
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 input_channel * depth_multiplier。
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中。
depthwise_initializer: 深度卷积核的初始化器。如果为 None，则将使用默认初始化器（"glorot_uniform"）。
pointwise_initializer: 逐点卷积核的初始化器。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: 深度卷积核的可选正则化器。
pointwise_regularizer: 逐点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: 由 Optimizer 更新后应用于深度卷积核的可选投影函数（例如，用于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（必须具有相同的形状）。
pointwise_constraint: 由 Optimizer 更新后应用于逐点卷积核的可选投影函数。
bias_constraint: 由 Optimizer 更新后应用于偏差的可选投影函数。

输入形状

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

输出形状

如果 data_format="channels_last": 形状为 (batch_size, new_height, new_width, filters) 的 4D 张量
如果 data_format="channels_first": 形状为 (batch_size, filters, new_height, new_width) 的 4D 张量

返回值

表示 activation(separable_conv2d(inputs, kernel) + bias) 的 4D 张量。

示例

>>> x = np.random.rand(4, 10, 10, 12)
>>> y = keras.layers.SeparableConv2D(3, 4, 3, 2, activation='relu')(x)
>>> print(y.shape)
(4, 4, 4, 4)

SeparableConv2D 层

SeparableConv2D 类

SeparableConv2D 层

SeparableConv2D 类

`SeparableConv2D` 类