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。
此层首先执行对通道单独操作的深度可分离卷积,然后执行混合通道的点式卷积。如果 use_bias
为 True 且提供了偏置初始化器,则会将一个偏置向量添加到输出。之后,可以选择应用激活函数以产生最终输出。
参数
strides > 1
与 dilation_rate > 1
不兼容。"valid"
或 "same"
(不区分大小写)。"valid"
表示无填充。"same"
会对输入进行均匀填充,以使输出大小与输入大小相同(当 strides=1
时)。当 padding="same"
且 strides=1
时,输出大小与输入大小相同。"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。默认为 Keras 配置文件 ~/.keras/keras.json
中找到的 image_data_format
值。如果从未设置过,则默认为 "channels_last"
。input_channel * depth_multiplier
。None
,则不应用激活。True
,则将偏置添加到输出。"glorot_uniform"
)。"glorot_uniform"
)。"zeros"
)。Optimizer
更新深度卷积核后对其应用(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,并返回投影后的变量(必须具有相同的形状)。Optimizer
更新点式卷积核后对其应用。Optimizer
更新偏置后对其应用。输入形状
data_format="channels_last"
:形状为 (batch_size, height, width, channels)
的 4D 张量。data_format="channels_first"
:形状为 (batch_size, channels, height, width)
的 4D 张量。输出形状
data_format="channels_last"
:形状为 (batch_size, new_height, new_width, filters)
的 4D 张量。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)