SeparableConv1D 層

[原始碼]

SeparableConv1D 類別

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
)

1D 可分離卷積層。

此層執行深度可分離卷積，首先對通道分別進行深度卷積，然後進行逐點卷積混合通道。如果 use_bias 為 True 且提供了 bias 初始化器，它會將 bias 向量添加到輸出。然後，它會選擇性地應用激活函數以產生最終輸出。

參數

• filters: int，輸出空間的維度（即逐點卷積中的濾波器數量）。
• kernel_size: int 或 1 個整數的 tuple/list，指定深度卷積窗口的大小。
• strides: int 或 1 個整數的 tuple/list，指定深度卷積的步幅長度。如果僅指定一個 int，則所有維度都將使用相同的步幅大小。strides > 1 與 dilation_rate > 1 不相容。
• padding: 字串，可以是 "valid" 或 "same"（不區分大小寫）。"valid" 表示不填充。"same" 會在輸入的左/右或上/下均勻填充。當 padding="same" 且 strides=1 時，輸出與輸入大小相同。
• data_format: 字串，可以是 "channels_last" 或 "channels_first"。輸入中維度的順序。"channels_last" 對應於形狀為 (batch, steps, features) 的輸入，而 "channels_first" 對應於形狀為 (batch, features, steps) 的輸入。它預設為在您的 Keras config 檔案 ~/.keras/keras.json 中找到的 image_data_format 值。如果您從未設定它，則它將為 "channels_last"。
• dilation_rate: int 或 1 個整數的 tuple/list，指定用於擴張卷積的擴張率。如果僅指定一個 int，則所有維度都將使用相同的擴張率。
• depth_multiplier: 每個輸入通道的深度卷積輸出通道數。深度卷積輸出通道總數將等於 input_channel * depth_multiplier。
• activation: 激活函數。如果為 None，則不應用激活。
• use_bias: bool，如果為 True，則會將偏置/偏差添加到輸出。
• depthwise_initializer: 深度卷積核的初始化器。如果為 None，則將使用預設初始化器 ("glorot_uniform")。
• pointwise_initializer: 逐點卷積核的初始化器。如果為 None，則將使用預設初始化器 ("glorot_uniform")。
• bias_initializer: 偏置/偏差向量的初始化器。如果為 None，則將使用預設初始化器 ("zeros")。
• depthwise_regularizer: 深度卷積核的可選正規化器。
• pointwise_regularizer: 逐點卷積核的可選正規化器。
• bias_regularizer: 偏置/偏差向量的可選正規化器。
• activity_regularizer: 輸出的可選正規化函數。
• depthwise_constraint: 可選的投影函數，在 Optimizer 更新深度卷積核後應用於該核（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，並且必須返回投影的變數（必須具有相同的形狀）。
• pointwise_constraint: 可選的投影函數，在 Optimizer 更新逐點卷積核後應用於該核。
• bias_constraint: 可選的投影函數，在 Optimizer 更新偏置/偏差後應用於偏置/偏差。

輸入形狀

• 如果 data_format="channels_last"：形狀為 (batch_shape, steps, channels) 的 3D 張量
• 如果 data_format="channels_first"：形狀為 (batch_shape, channels, steps) 的 3D 張量

輸出形狀

• 如果 data_format="channels_last"：形狀為 (batch_shape, new_steps, filters) 的 3D 張量
• 如果 data_format="channels_first"：形狀為 (batch_shape, filters, new_steps) 的 3D 張量

返回

代表 activation(separable_conv1d(inputs, kernel) + bias) 的 3D 張量。

範例

>>> x = np.random.rand(4, 10, 12)
>>> y = keras.layers.SeparableConv1D(3, 4, 3, 2, activation='relu')(x)
>>> print(y.shape)
(4, 4, 4)