DepthwiseConv2D 層

[原始碼]

DepthwiseConv2D 類別

tf_keras.layers.DepthwiseConv2D(
    kernel_size,
    strides=(1, 1),
    padding="valid",
    depth_multiplier=1,
    data_format=None,
    dilation_rate=(1, 1),
    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,
    **kwargs
)

深度可分離 2D 卷積。

深度可分離卷積是一種卷積類型，其中每個輸入通道都與不同的核心（稱為深度核心）進行卷積。您可以將深度可分離卷積理解為深度可分離卷積的第一步。

它透過以下步驟實現：

• 將輸入拆分為單獨的通道。
• 將每個通道與具有 depth_multiplier 輸出通道的單獨深度核心進行卷積。
• 沿通道軸串聯卷積的輸出。

與常規 2D 卷積不同，深度可分離卷積不會混合不同輸入通道的資訊。

depth_multiplier 參數決定了有多少濾波器應用於一個輸入通道。因此，它控制了在深度可分離步驟中每個輸入通道產生的輸出通道數量。

參數

• kernel_size：整數或 2 個整數的元組/列表，指定 2D 卷積視窗的高度和寬度。 可以是單個整數，為所有空間維度指定相同的值。
• strides：整數或 2 個整數的元組/列表，指定卷積沿高度和寬度的步幅。 可以是單個整數，為所有空間維度指定相同的值。目前的實作僅支援在行和列維度中等長的步幅。指定任何步幅值 != 1 與指定任何 dilation_rate 值 !=1 不相容。
• padding：'valid' 或 'same'（不區分大小寫）之一。"valid" 表示沒有填充。"same" 會使用零均勻地填充輸入的左/右或上/下，使得輸出具有與輸入相同的高度/寬度維度。
• depth_multiplier：每個輸入通道的深度可分離卷積輸出通道的數量。 深度可分離卷積輸出通道的總數將等於 filters_in * depth_multiplier。
• data_format：字串，channels_last（預設）或 channels_first 之一。 輸入中維度的排序。 channels_last 對應於形狀為 (batch_size, height, width, channels) 的輸入，而 channels_first 對應於形狀為 (batch_size, channels, height, width) 的輸入。如果未指定，則使用在您的 TF-Keras 設定檔 ~/.keras/keras.json 中找到的 image_data_format 值（如果存在），否則使用 'channels_last'。預設為 'channels_last'。
• dilation_rate：整數或 2 個整數的元組/列表，指定用於膨脹卷積的膨脹率。目前，指定任何 dilation_rate 值 != 1 與指定任何 strides 值 != 1 不相容。
• activation：要使用的激活函數。 如果您不指定任何內容，則不會應用激活（請參閱 keras.activations）。
• use_bias：布林值，表示該層是否使用偏差向量。
• depthwise_initializer：深度核心矩陣的初始化器（請參閱 keras.initializers）。 如果為 None，則將使用預設的初始化器（'glorot_uniform'）。
• bias_initializer：偏差向量的初始化器（請參閱 keras.initializers）。 如果為 None，則將使用預設的初始化器（'zeros'）。
• depthwise_regularizer：應用於深度核心矩陣的正規化函數（請參閱 keras.regularizers）。
• bias_regularizer：應用於偏差向量的正規化函數（請參閱 keras.regularizers）。
• activity_regularizer：應用於層輸出（其「激活」）的正規化函數（請參閱 keras.regularizers）。
• depthwise_constraint：應用於深度核心矩陣的約束函數（請參閱 keras.constraints）。
• bias_constraint：應用於偏差向量的約束函數（請參閱 keras.constraints）。

輸入形狀

如果 data_format='channels_first'，則為形狀為：[batch_size, channels, rows, cols] 的 4D 張量，如果 data_format='channels_last'，則為形狀為：[batch_size, rows, cols, channels] 的 4D 張量。

輸出形狀

如果 data_format='channels_first'，則為形狀為：[batch_size, channels * depth_multiplier, new_rows, new_cols] 的 4D 張量，如果 data_format='channels_last'，則為形狀為：[batch_size, new_rows, new_cols, channels * depth_multiplier] 的 4D 張量。rows 和 cols 值可能會因填充而改變。

回傳

代表 activation(depthwiseconv2d(inputs, kernel) + bias) 的 4 階張量。

引發

• ValueError：如果 padding 為 "causal"。
• ValueError：當 strides > 1 且 dilation_rate > 1 時。