keras中的卷积层&池化层

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