可分離卷積1D層

[原始碼]

SeparableConv1D 類別

tf_keras.layers.SeparableConv1D(
    filters,
    kernel_size,
    strides=1,
    padding="valid",
    data_format=None,
    dilation_rate=1,
    depth_multiplier=1,
    activation=None,
    use_bias=True,
    depthwise_initializer="glorot_uniform",
    pointwise_initializer="glorot_uniform",
    bias_initializer="zeros",
    depthwise_regularizer=None,
    pointwise_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    depthwise_constraint=None,
    pointwise_constraint=None,
    bias_constraint=None,
    **kwargs
)

深度可分離 1D 卷積。

此層執行深度卷積，該卷積單獨作用於通道，然後進行逐點卷積，混合通道。如果 use_bias 為 True 且提供了偏差初始化器，則會將偏差向量加到輸出。然後，它會選擇性地應用激活函數以產生最終輸出。

參數

• filters：整數，輸出空間的維度（即卷積中的濾波器數量）。
• kernel_size：單一整數，指定濾波器的空間維度。
• strides：單一整數，指定卷積的步幅。指定任何 stride 值 != 1 與指定任何 dilation_rate 值 != 1 不相容。
• padding："valid"、"same" 或 "causal"（不區分大小寫）之一。"valid" 表示不填充。"same" 會導致用零均勻填充輸入的左/右或上/下，使得輸出的高度/寬度維度與輸入相同。"causal" 會導致因果（擴張）卷積，例如 output[t] 不依賴於 input[t+1:]。
• data_format：字串，channels_last（預設）或 channels_first 之一。輸入中維度的順序。channels_last 對應於形狀為 (batch_size, length, channels) 的輸入，而 channels_first 對應於形狀為 (batch_size, channels, length) 的輸入。
• dilation_rate：單一整數，指定用於擴張卷積的擴張率。
• depth_multiplier：每個輸入通道的深度卷積輸出通道數量。深度卷積輸出通道的總數將等於 num_filters_in * depth_multiplier。
• activation：要使用的激活函數。如果未指定任何內容，則不會應用激活（請參閱 keras.activations）。
• use_bias：布林值，表示層是否使用偏差。
• depthwise_initializer：深度卷積核心的初始化器（請參閱 keras.initializers）。如果為 None，則將使用預設初始化器（'glorot_uniform'）。
• pointwise_initializer：逐點卷積核心的初始化器（請參閱 keras.initializers）。如果為 None，則將使用預設初始化器（'glorot_uniform'）。
• bias_initializer：偏差向量的初始化器。如果為 None，則將使用預設初始化器（'zeros'）（請參閱 keras.initializers）。
• depthwise_regularizer：深度卷積核心的可選正規化器（請參閱 keras.regularizers）。
• pointwise_regularizer：逐點卷積核心的可選正規化器（請參閱 keras.regularizers）。
• bias_regularizer：偏差向量的可選正規化器（請參閱 keras.regularizers）。
• activity_regularizer：輸出的可選正規化函數（請參閱 keras.regularizers）。
• depthwise_constraint：在被 Optimizer 更新後應用於深度核心的可選投影函數（例如，用於層權重的範數約束或值約束）。該函數必須將未投影的變數作為輸入，並且必須傳回投影的變數（該變數必須具有相同的形狀）。在進行非同步分散式訓練時，不安全使用約束（請參閱 keras.constraints）。
• pointwise_constraint：在被 Optimizer 更新後應用於逐點核心的可選投影函數（請參閱 keras.constraints）。
• bias_constraint：在被 Optimizer 更新後應用於偏差的可選投影函數（請參閱 keras.constraints）。
• trainable：布林值，如果為 True，則此層的權重將被標記為可訓練（並列在 layer.trainable_weights 中）。

輸入形狀

如果 data_format='channels_first'，則為形狀為 (batch_size, channels, steps) 的 3D 張量，如果 data_format='channels_last'，則為形狀為 (batch_size, steps, channels) 的 3D 張量。

輸出形狀

如果 data_format='channels_first'，則為形狀為 (batch_size, filters, new_steps) 的 3D 張量，如果 data_format='channels_last'，則為形狀為 (batch_size, new_steps, filters) 的 3D 張量。new_steps 的值可能會因填充或步幅而改變。

傳回

表示 activation(separableconv1d(inputs, kernel) + bias) 的 3 階張量。