SeparableConv2D 层

[源代码]

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
)

2D 可分离卷积层。

此层执行深度卷积，对通道单独作用，然后执行逐点卷积，混合通道。如果 use_bias 为 True 并且提供了偏置初始化器，它会将一个偏置向量添加到输出中。然后它可选地应用一个激活函数来生成最终输出。

参数

• filters: int，输出空间的维度（即逐点卷积中的过滤器数量）。
• kernel_size: int 或 2 个整数的元组/列表，指定深度卷积窗口的大小。
• strides: int 或 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 int，则所有维度都将使用相同的步长。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" 表示无填充。"same" 会在输入的左/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" 对应形状为 (batch, height, width, channels) 的输入，而 "channels_first" 对应形状为 (batch, channels, height, width) 的输入。它默认为 Keras 配置文件 ~/.keras/keras.json 中 image_data_format 的值。如果从未设置，则为 "channels_last"。
• dilation_rate: int 或 2 个整数的元组/列表，指定用于扩张卷积的扩张率。如果只指定一个 int，则所有维度都将使用相同的扩张率。
• 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。
• use_bias：bool，如果为 True，则会将偏置添加到输出中。
• 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: 偏置向量的初始化器。如果为 None，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，用于在 Optimizer 更新深度核后应用于深度核（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（其形状必须相同）。
• pointwise_constraint: 可选的投影函数，用于在 Optimizer 更新逐点核后应用于逐点核。
• bias_constraint：可选的投影函数，用于在 Optimizer 更新偏置后应用于偏置。

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

一个 4D 张量，表示 activation(separable_conv2d(inputs, kernel) + bias)。

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)