tf.keras.layers.Conv2D()函数可以描述卷积层,其语法格式如下:
tf.keras.layers.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, **kwargs
)
其中:
1、filter 为卷积核的个数
2、kernel_size 为卷积核尺寸,正方形用一个整数表示即可;长方形需指明 高h, 核宽w,可以用列表或元组表示,如(h,w),[h,w].
3、strides 为滑动步长,默认横纵向滑动步长均为1,即(1,1),也可以设置其他步长(纵向步长h,横向步长w).
4、padding 为补零策略,padding = "SAME"需全零填充,padding = “VALID” 不需要区分大小写。注意此处不区分大小写。
5、data_format 为输入的数据格式,此处有两个取值,data_format = “channels_first” 或 data_format = "channels_last.输入的数据格式。默认取“channels_last”,即默认输入数据的格式中,通道数为最后一个。当data_format = "channels_first"的时候,输入和输出的shape格式为
(batch_size, channels, height, width)即(图片数量,通道数,长,宽)。
6、dalition_rate 为卷积核的膨胀系数,格式为数组或列表,其作用是将卷积核进行形状膨胀,新的位置用0填充,新卷积核的尺寸和膨胀系数的计算公式如下:原卷积核的尺寸为S ,膨胀系数为k,则膨胀后的卷积核尺寸为size = k×(S-1)+1。
7、activation 为激活函数。相当于经过卷积输出后,在经过一次激活函数,常见的激活函数有relu,softmax,selu等。
剩余参数不经常使用,此处就不进行详细介绍!
以上内容,如有错误,敬请批评指正!谢谢!