文章目录
- 参数说明:
- 1.位置参数`filters`
- 2.位置参数`kernel_size`
- 3. 关键字参数`strides=(1, 1)`,滑动步长
- 4. 关键字参数`padding = 'valid'`,默认是边缘不填充
- 5. 关键字参数 `data_format = 'channels_first'`,输入的数据格式
- 6. 关键字参数`dalition_rate = (1,1)`,这个含义是,卷积核的膨胀系数
- 7. 关键字参数activation = “relu”,此处的含义是激活函数
- 8. 关键字参数use_bias =0 、1,偏置项
- 9. 后面的关键字参数一般不常用,
- 10. 最后还有几个可选 的关键字参数,input_shape,
TensorFlow2.0 关于 tf.keras.layers.Conv2D函数的官方文档,然后逐一对每个参数的含义和用法进行解释:
tf.keras.layers.Conv2D(filters,
kernel_size,
strides=(1, 1),
padding='valid',
data_format=None,
dilation_rate=(1, 1),
groups=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)
参数说明:
这个函数的定义能看出来,filters ,kernel_size过滤器个数和卷积核尺寸,这是两个位置参数,没有默认值,必须给。后面的那个多参数,都是关键字参数(有等于号的),都是有默认值的,可以不写,下面来逐一分析每个参数的含义:
1.位置参数filters
这是第一个参数,位置是固定的,含义是过滤器个数,或者叫卷积核个数,这个与卷积后的输出通道数一样,比如下面filters为64的时候,卷积输出的通道数(最后一位)就是64。
model.add(tf.keras.layers.Conv2D(64, 3,
kernel_initializer='he_normal',
strides=1,
activation='relu',
padding='same',
input_shape=(32, 32, 3),
name="conv1"))
filters卷积核个数为64的时候,输出的通道数就是64。
2.位置参数kernel_size
卷积核尺寸,一般为3×3,或者5×5,此处用2个整数的元组或列表表示,比如(3,3),[5,5],如果height, width长宽一样,直接用一个整数表示就行,比如3或者5。
3. 关键字参数strides=(1, 1)
,滑动步长
默认横向和纵向滑动均为1,这个与上面的 卷积核size配合使用,用来计算输出的形状。滑动步长就是卷积核在原图像矩阵上的每次移动的长度。
4. 关键字参数padding = 'valid'
,默认是边缘不填充
此处只有两个取值,另一个取值为 “same”,表示边缘用0填充,如果padding =“same”,则输出的形状为 height =width = P/strides ,向上取整。
model.add(tf.keras.layers.Conv2D(64, 3,
strides=1,
activation='relu',
padding='same',
kernel_initializer='he_normal',
input_shape=(32, 32, 3),
name="conv1"))
5. 关键字参数 data_format = 'channels_first'
,输入的数据格式
此处只有两个取值 ,“channels_first” 和 “channels_last”,即输入的数据格式中,通道数是第一个还是最后一个,默认为 “channels_last”,即默认输入数据的格式中,通道数为最后一个。
6. 关键字参数dalition_rate = (1,1)
,这个含义是,卷积核的膨胀系数
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. 关键字参数activation = “relu”,此处的含义是激活函数
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
8. 关键字参数use_bias =0 、1,偏置项
此处取值为布尔值,0或者1,0表示没有增加bias,1表示有。
9. 后面的关键字参数一般不常用,
kernel_initializer :卷积核初始化,
bias_initializer :偏差值初始化,
kernel_regularizer :卷积核正则化
bias_regularizer :偏差正则化
activity_regularizer 这个地方也是一个正则化
kernel_constraint :卷积核约束
bias_constraint :偏差约束。
10. 最后还有几个可选 的关键字参数,input_shape,
这个是指输入的形状,一般是4D的,(batch size, height, width, channels),也可以不定义,那就是默认输入的形状。