keras中卷积层Conv2D的学习

关于卷积的具体操作不细讲，本文只是自己太懒了不想记手写笔记。

由于自己接触到的都是图像

处理相关的工作，因此，在这里只介绍2D卷积。

keras.layers.convolutional.Conv2D(filters,kernel_size,strides(1,1), 
                                  padding='valid',
                                  data_format=None,
                                  dilation_rate=(1,1),
                                  activation=None,
                                  use_bias=True,
                                  kernel_initializer='glorot_uniform',
                                  bias_initializer='zeros',
                                  kernel_regularizer=None,
                                  bias_regularizer=None,
                                  activity_regularizer=None,
                                  kernel_constraint=None,
                                  bias_constraint=None)

 此操作将二维向量进行卷积，当使用该层作为第一层时，应提供input_shape参数。

参数：

filters：卷积核的数目（即输出的维度）。

kernel_size：单个整数或由两个整数构成的list/tuple，卷积核的宽度和长度。如为单
个整数，则表示在各个空间维度的相同长度。

strides：单个整数或由两个整数构成的list/tuple，为卷积的步长。如为单个整数，则
表示在各个空间维度的相同步长。任何不为1的strides均与任何不为1的dilation_rata均
不兼容。

padding：补0策略，为“valid”, “same”。“valid”代表只进行有效的卷积，即对边界数据
不处理。“same”代表保留边界处的卷积结果，通常会导致输出shape与输入shape相
同。

activation：激活函数，为预定义的激活函数名（参考激活函数），或逐元素
（element-wise）的Theano函数。如果不指定该参数，将不会使用任何激活函数（即
使用线性激活函数：a(x)=x）。

dilation_rate：单个整数或由两个个整数构成的list/tuple，指定dilated convolution中的
膨胀比例。任何不为1的dilation_rata均与任何不为1的strides均不兼容。

data_format：字符串，“channels_first”或“channels_last”之一，代表图像的通道维的位
置。该参数是Keras 1.x中的image_dim_ordering，“channels_last”对应原本
的“tf”，“channels_first”对应原本的“th”。以128x128的RGB图像为
例，“channels_first”应将数据组织为（3,128,128），而“channels_last”应将数据组织为
（128,128,3）。该参数的默认值是~/.keras/keras.json中设置的值，若从未设置过，则
为“channels_last”。

use_bias：布尔值，是否使用偏置项。

kernel_initializer：权值初始化方法，为预定义初始化方法名的字符串，或用于初始化
权重的初始化器。

bias_initializer：权值初始化方法，为预定义初始化方法名的字符串，或用于初始化权
重的初始化器。

kernel_regularizer：施加在权重上的正则项，为Regularizer对象。

bias_regularizer：施加在偏置向量上的正则项，为Regularizer对象。

activity_regularizer：施加在输出上的正则项，为Regularizer对象。

kernel_constraints：施加在权重上的约束项，为Constraints对象。

bias_constraints：施加在偏置上的约束项，为Constraints对象。

参考：侯宜军.keras图像深度学习实战