keras深度可分离卷积SeparableConv2D与DepthwiseConv2D

最新推荐文章于 2025-04-11 16:25:56 发布

「已注销」

最新推荐文章于 2025-04-11 16:25:56 发布

阅读量4.7k

点赞数 7

分类专栏： keras学习

本文链接：https://blog.csdn.net/wuruivv/article/details/109471071

版权

本文介绍了Keras中深度可分离卷积的两种实现方式：SeparableConv2D和DepthwiseConv2D。深度可分离卷积包括深度方向的空间卷积和逐点卷积。DepthwiseConv2D仅实现深度方向的空间卷积，而SeparableConv2D则执行整个深度分离卷积过程。文章通过参数解析和实例展示了这两种卷积层的使用方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

keras中的深度可分离卷积有 SeparableConv2D与DepthwiseConv2D两种方式实现。

可分离卷积分为两步：1、深度方向的空间卷积

2、将通道进行混合的逐点卷积

传统卷积

深度可分离卷积

深度方向卷积

逐点卷积

DepthwiseConv2D仅仅实现前半部分的深度方向空间卷积

keras.layers.DepthwiseConv2D( kernel_size,
                              strides=(1, 1),
                              padding='valid',
                              depth_multiplier=1,
                              data_format=None, 
                              activation=None, 
                              use_bias=True, 
                              depthwise_initializer='glorot_uniform', 
                              bias_initializer='zeros',
                              depthwise_regularizer=None, 
                              bias_regularizer=None,
                              activity_regularizer=None, 
                              depthwise_constraint=None,
                              bias_constraint=None
                            )

参数：

kernel_size: 一个整数，或者 2 个整数表示的元组或列表，指明 2D 卷积窗口的高度和宽度。可以是一个整数，为所有空间维度指定相同的值。
strides: 一个整数，或者 2 个整数表示的元组或列表，指明卷积沿高度和宽度方向的步长。可以是一个整数，为所有空间维度指定相同的值。指定任何 stride 值 != 1 与指定 dilation_rate值 != 1 两者不兼容。
padding: "valid" 或 "same" (大小写敏感)。

最低0.47元/天解锁文章