keras.layers.Conv2D()函數參數怎么使用

今天小編給大家分享一下keras.layers.Conv2D()函數參數怎么使用的相關知識點，內容詳細，邏輯清晰，相信大部分人都還太了解這方面的知識，所以分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后有所收獲，下面我們一起來了解一下吧。

tf.keras.layers.Conv2D() 函數

Conv2D （二維卷積層）

這一層創建了一個卷積核，它與這一層的輸入卷積以產生一個輸出張量

當使用此層作為模型的第一層時，提供關鍵字參數 input_shape (整數元組，不包括樣本軸，不需要寫batch_size)

def __init__(self, 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):

參數

• filters

int 類型，表示卷積核個數，filters 影響的是最后輸入結果的的第四個維度的變化

import tensorflow as tf
from tensorflow.keras.layers import Conv2D

input_shape = (4, 600, 600, 3)
input = tf.random.normal(input_shape)
x = keras.layers.Conv2D(64, (1, 1), strides=(1, 1), name='conv1')(input)
print(x.shape)

OUTPUT:
(4, 600, 600, 64)

• kernel_size

表示卷積核的大小，如果是方陣可以直接寫成一個數，影響的是輸出結果中間兩個數據的維度

x = Conv2D(64, (2, 2), strides=(1, 1), name='conv1')(input)
#or Conv2D(64, 2, strides=(1, 1), name='conv1')(input)
print(x.shape)

OUTPUT:
(4, 599, 599, 64)

• strides

tuple (int, int) 步長，同樣會影響輸出的中間兩個維度，值得注意的是，括號里的數據可以不一致，分別控制橫坐標和縱坐標

x = Conv2D(64, 1, strides=(2, 2), name='conv1')(input)
print(x.shape)

OUTPUT:
(4, 300, 300, 64)

• padding

是否對周圍進行填充，same 即使通過 kernel_size 縮小了維度，但是四周會填充 0，保持原先的維度；valid 表示存儲不為 0 的有效信息

a = Conv2D(64, 1, strides=(2, 2), padding="same" , name='conv1')(input)
b = Conv2D(64, 3, strides=(2, 2), padding="same" , name='conv1')(input)
c = Conv2D(64, 3, strides=(1, 1), padding="same" , name='conv1')(input)
d = Conv2D(64, 3, strides=(1, 1), padding="valid", name='conv1')(input)
print(a.shape, b.shape, c.shape, d.shape)

OUTPUT:
(4, 300, 300, 64)
(4, 300, 300, 64)
(4, 600, 600, 64)
(4, 598, 598, 64)

• activation

激活函數，如果 activation 不是 None，則它會應用于輸出

• use_bias

boolean，表示是否使用偏置量，如果 use_bias 為真，則創建一個偏置項并添加到輸出中

• data_format

用于規定 input_shape 的格式

如果不填寫，默認是 channels_last，否則可以填寫 channels_first。前者的會把 input_shape 這個三元組給識別成 (batch_size, height, width, channels)，后者則會識別成 (batch_size, channels, height, width) 不過樣本軸 (batch_size) 不需要自己填寫

• dilation_rate

int, tuple(int, int), list[int, int]，指定用于擴展卷積的擴展率。可以是單個整數，為所有空間維度指定相同的值。該參數定義了卷積核處理數據時各值的間距。

在相同的計算條件下，該參數提供了更大的感受野。該參數經常用在實時圖像分割中。當網絡層需要較大的感受野，但計算資源有限而無法提高卷積核數量或大小時，可以考慮使用。

• 返回值

返回一個四維的張量

第一個數是 batch 的大小，也就是有幾組數據；后三個數表示一個張量的大小

tf.keras.layers.conv2D學習

keras.layers.convolutional.Conv2D(filters, # 卷積核數目
                                  kernel_size, # 過濾器的大小
                                  strides(1,1),  # 步長
                                  padding='valid', # 邊界處理
                                  data_format=None, 
                                  dilation_rate=(1,1), 
                                  activation=None, # 激活函數
                                  use_bias=True, #是否使用偏置量,布爾值
                                  kernel_initializer='glorot_uniform',
                                  bias_initializer='zeros',
                                  kernel_regularizer=None,
                                  bias_regularizer=None,
                                  activity_regularizer=None,
                                  kernel_constraint=None,
                                  bias_constraint=None)

# 設置訓練模型  
# input_shape 指出輸入的形狀(samples,rows,cols,channels) ,只指出后三維即可,第一維度按batch_size自動指定
    # x_train (60000,28,28,1)  >> input_shape=(60000,28,28,1)  第一維可以省略,自動根據batch_size指定
    tf.keras.layers.Conv2D(filters=16,kernel_size=(5,5),activation="relu",input_shape=(28,28,1),padding="valid"),

以上就是“keras.layers.Conv2D()函數參數怎么使用”這篇文章的所有內容，感謝各位的閱讀！相信大家閱讀完這篇文章都有很大的收獲，小編每天都會為大家更新不同的知識，如果還想學習更多的知識，請關注億速云行業資訊頻道。