tensorflow2.0 --- Conv2D

https://tensorflow.google.cn/api_docs/python/tf/keras/layers/Conv2D

作用

tf.keras.layers.Conv2D 是一个2维卷积层（图像空间卷积）
这个层创建了一个卷积核，将输入卷积成输出张量。

定义

def __init__(self,
             filters: Any,
             kernel_size: Any,
             strides: int = (1, 1),
             padding: str = 'valid',
             data_format: Any = None,
             dilation_rate: int = (1, 1),
             activation: Any = None,
             use_bias: bool = True,
             kernel_initializer: str = 'glorot_uniform',
             bias_initializer: str = 'zeros',
             kernel_regularizer: Any = None,
             bias_regularizer: Any = None,
             activity_regularizer: Any = None,
             kernel_constraint: Any = None,
             bias_constraint: Any = None,
             **kwargs: Any) -> None

输入

当data_format=channels_last时，输入为四维张量 (samples, rows, cols, channels)；
当data_format=channels_first时，输入为四维张量 (samples, channels, rows, cols)。

输出

当data_format=channels_last时，输出为四维张量 (samples, new_rows, new_cols, filters)；
当data_format=channels_first时，输出为四维张量 (samples, filters, new_rows, new_cols)。

参数

input_shape

作为第一个层时，必须设置输入形状（忽略样本维度），例如input_shape=(128, 128, 3) for 128x128 表示128*128的RGB图片。

filters

卷积过滤器数量，int类型，必须，例如32，表示生成32个特征图

kernel_size

卷积窗口大小，int/tuple类型，必须，例如(3,3)表示宽为3高为3的滑动窗口，只传一个整数时表示宽和高都一样。

strides

卷积窗口移动步进，int/tuple类型，默认为(1,1)表示每次只滑动1个单元，只传一个整数表示宽和高的步进都一样，当取值不为1时，dilation_rate必须为1。

padding

取值为valid或者same，valid表示只取有效值， same表示填充以和原图保持相同大小。

data_format

输入数据格式，取值为channels_last或者channels_first。默认值为channels_last。
channels_last： 输入shape为(batch, height, width, channels)
channels_first：输入shape为(batch, channels, height, width)

dilation_rate

空洞卷积比例，int/tuple类型，默认值为(1,1)，当取值不为1时，strides必须为1。

activation

激活函数，不传时默认为a(x)=x

use_bias

是否使用偏置向量，默认为True

kernel_initializer

卷积核初始化器，默认为glorot_uniform

bias_initializer

偏置向量初始化器，默认为zeros

kernel_regularizer

卷积核正则化函数

bias_regularizer

偏置向量正则化函数

activity_regularizer

输出结果正则化函数

kernel_constraint

卷积核约束函数

bias_constraint

偏置向量约束函数