tf.layers.conv2d

tf.layers.conv2d (inputs,

                    filters,

                   kernel_size,

                  strides=(1, 1),

                  padding='valid',

                  data_format='channels_last',

                  dilation_rate=(1, 1),

                  activation=None,

                  use_bias=True,

                  kernel_initializer=None,

                   bias_initializer=None,

                  kernel_regularizer=None,

                  bias_regularizer=None,

                  activity_regularizer=None,

                  kernel_constraint=None,

                  bias_constraint=None,

                  trainable=True,

                  name=None,

                  reuse=None)

说明：2D 卷积层的函数接口这个层创建了一个卷积核，将输入进行卷积来输出一个 tensor。如果 use_bias 是 True（且提供了bias_initializer），则一个偏差向量会被加到输出中。最后，如果 activation 不是 None，激活函数也会被应用到输出中。

 

 

• inputs：必需，即需要进行操作的输入数据。
• filters：必需，是一个数字，代表了输出通道的个数，即 output_channels。
• kernel_size：必需，卷积核大小，必须是一个数字（高和宽都是此数字）或者长度为 2 的列表（分别代表高、宽）。
• strides：可选，默认为 (1, 1)，卷积步长，必须是一个数字（高和宽都是此数字）或者长度为 2 的列表（分别代表高、宽）。
• padding：可选，默认为 valid，padding 的模式，有 valid 和 same 两种，大小写不区分。
• data_format：可选，默认 channels_last，分为 channels_last 和 channels_first 两种模式，代表了输入数据的维度类型，如果是 channels_last，那么输入数据的 shape 为 (batch, height, width, channels)，如果是 channels_first，那么输入数据的 shape 为 (batch, channels, height, width)。
• dilation_rate：可选，默认为 (1, 1)，卷积的扩张率，如当扩张率为 2 时，卷积核内部就会有边距，3×3 的卷积核就会变成 5×5。
• activation：可选，默认为 None，如果为 None 则是线性激活。
• use_bias：可选，默认为 True，是否使用偏置。
• kernel_initializer：可选，默认为 None，即权重的初始化方法，如果为 None，则使用默认的 Xavier 初始化方法。
• bias_initializer：可选，默认为零值初始化，即偏置的初始化方法。
• kernel_regularizer：可选，默认为 None，施加在权重上的正则项。
• bias_regularizer：可选，默认为 None，施加在偏置上的正则项。
• activity_regularizer：可选，默认为 None，施加在输出上的正则项。
• kernel_constraint，可选，默认为 None，施加在权重上的约束项。
• bias_constraint，可选，默认为 None，施加在偏置上的约束项。
• trainable：可选，默认为 True，布尔类型，如果为 True，则将变量添加到 GraphKeys.TRAINABLE_VARIABLES 中。
• name：可选，默认为 None，卷积层的名称。
• reuse：可选，默认为 None，布尔类型，如果为 True，那么如果 name 相同时，会重复利用。

返回值： 卷积后的 Tensor。