卷积层
创建卷积层
首先导入keras中的模块
from keras.layers import Conv2D
卷积层的格式及参数:
Conv2D(filters, kernel_size, strides, padding, activation='relu', input_shape)
filters: 过滤器数量
kernel_size:指定卷积窗口的高和宽的数字
strides: 卷积stride,如果不指定任何值,则strides设为1
padding: 选项包括’valid’和’same’,默认值为’valid’
activation: 通常为’relu’,如果不指定任何值,则不应用任何激活函数,通常应该向网络中每个卷积层添加一个Relu激活函数
如果卷积层出现在输入层之后,必须提供另一个input_shape参数:
input_shape: 指定输入的高度、宽度和深度的元组;如果卷积层不是网络的第一个层级,则不应该包含input_shape参数。
示例1:
假设我要构建一个 CNN,输入层接受的是 200 x 200 像素(对应于高 200、宽 200、深 1 的三维数组)的灰度图片。然后,假设我希望下一层级是卷积层,具有 16 个过滤器,每个宽和高分别为 2。在进行卷积操作时,我希望过滤器每次跳转 2 个像素。并且,我不希望过滤器超出图片界限之外;也就是说,我不想用 0 填充图片。要构建该卷积层