招行 FinTech 学习笔记-Keras

Keras 中的卷积层

参考引用：Udacity

from keras.layers import Conv2D
Conv2D(filters, kernel_size, strides, padding, activation='relu', input_shape)

参数

必须传递以下参数：

• filters - 过滤器数量。
• kernel_size - 指定（方形）卷积窗口的高和宽的数字。

你可能还需要调整其他可选参数：

• strides - 卷积 stride。如果不指定任何值，则 strides 设为 1。
• padding - 选项包括 'valid' 和 'same'。如果不指定任何值，则 padding 设为 'valid'。
• activation - 通常为 'relu'。如果未指定任何值，则不应用任何激活函数。强烈建议你向网络中的每个卷积层添加一个 ReLU 激活函数。

注意：可以将 kernel_size 和 strides 表示为数字或元组。

在模型中将卷积层当做第一层级（出现在输入层之后）时，必须提供另一个 input_shape 参数：

• input_shape - 指定输入的高度、宽度和深度（按此顺序）的元组。

注意：如果卷积层不是网络的第一个层级，请勿包含 input_shape 参数。

示例 :若不希望过滤器超出图片界限之外；也就是说，不想用 0 填充图片，设padding = 'valid'，若希望卷积层查看上一层级的所有区域，因此不介意过滤器在进行卷积操作时是否超过上一层级的边缘，设padding = 'same'

Conv2D(filters=16, kernel_size=2, strides=2, activation='relu', input_shape=(200, 200, 1))

 

Keras 中的最大池化层

from keras.layers import MaxPooling2D

MaxPooling2D(pool_size, strides, padding)

参数

你必须包含以下参数：

• pool_size - 指定池化窗口高度和宽度的数字。

你可能还需要调整其他可选参数：

• strides - 垂直和水平 stride。如果不指定任何值，则 strides 默认为 pool_size。
• padding - 选项包括 'valid' 和 'same'。如果不指定任何值，则 padding 设为 'valid'。

注意：可以将 pool_size 和 strides 表示为数字或元组。