tensorflow2.0 --- Conv2D(1.0中是conv2d)

tensorflow2.0 中的https://tensorflow.google.cn/api_docs/python/tf/keras/layers/Conv2D

作用

tf.keras.layers.Conv2D 是一个2维卷积层(图像空间卷积)
这个层创建了一个卷积核,将输入卷积成输出张量。

tf.keras.layers.Conv2D(
    filters, kernel_size, strides=(1, 1), padding='valid',
    data_format=None, dilation_rate=(1, 1), groups=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
)

参数

input_shape

作为第一个层时,必须设置输入形状(忽略样本维度),例如input_shape=(128, 128, 3) for 128x128 表示128*128的RGB图片。

filters

卷积过滤器数量,int类型,必须,例如32,表示生成32个特征图

kernel_size

卷积窗口大小,int/tuple类型,必须,例如(3,3)表示宽为3高为3的滑动窗口,只传一个整数时表示宽和高都一样。

strides

卷积窗口移动步进,int/tuple类型,默认为(1,1)表示每次只滑动1个单元,只传一个整数表示宽和高的步进都一样,当取值不为1时,dilation_rate必须为1。

padding

取值为valid或者same,valid表示只取有效值, same表示填充以和原图保持相同大小。

data_format

输入数据格式,取值为channels_last或者channels_first。默认值为channels_last。
channels_last: 输入shape为(batch, height, width, channels)
channels_first:输入shape为(batch, channels, height, width)

dilation_rate

空洞卷积比例,int/tuple类型,默认值为(1,1),当取值不为1时,strides必须为1。

activation

激活函数,不传时默认为a(x)=x

use_bias

是否使用偏置向量,默认为True

kernel_initializer

卷积核初始化器,默认为glorot_uniform

bias_initializer

偏置向量初始化器,默认为zeros

kernel_regularizer

卷积核正则化函数

bias_regularizer

偏置向量正则化函数

activity_regularizer

输出结果正则化函数

kernel_constraint

卷积核约束函数

bias_constraint

偏置向量约束函数

你可能感兴趣的:(深度学习,tensorflow,pytorch)