SeparableConv1D 层

[源代码]

SeparableConv1D 类

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 可分离卷积层。

此层执行深度卷积，对通道单独操作，然后执行点卷积，混合通道。如果 use_bias 为 True 且提供了偏置初始化器，它会向输出添加一个偏置向量。然后它（可选地）应用一个激活函数来生成最终输出。

参数

• filters: int，输出空间的维度（即点卷积中的滤波器数量）。
• kernel_size: int 或包含 1 个整数的元组/列表，指定深度卷积窗口的大小。
• strides: int 或包含 1 个整数的元组/列表，指定深度卷积的步长。如果只指定一个 int，所有维度将使用相同的步长。strides > 1 与 dilation_rate > 1 不兼容。
• padding: 字符串，可以是 "valid" 或 "same"（不区分大小写）。"valid" 表示无填充。"same" 会导致输入左右或上下均匀填充。当 padding="same" 且 strides=1 时，输出与输入大小相同。
• data_format: 字符串，可以是 "channels_last" 或 "channels_first"。输入中维度的顺序。"channels_last" 对应形状为 (batch, steps, features) 的输入，而 "channels_first" 对应形状为 (batch, features, steps) 的输入。它默认为 Keras 配置文件 ~/.keras/keras.json 中找到的 image_data_format 值。如果您从未设置它，则默认为 "channels_last"。
• dilation_rate: int 或包含 1 个整数的元组/列表，指定用于扩张卷积的扩张率。如果只指定一个 int，所有维度将使用相同的扩张率。
• depth_multiplier：每个输入通道的深度卷积输出通道数。深度卷积输出通道的总数将等于 input_channel * depth_multiplier。
• activation：激活函数。如果为 None，则不应用激活。
• use_bias：bool，如果为 True，则会将偏置添加到输出中。
• depthwise_initializer: 深度卷积核的初始化器。如果为 None，则将使用默认初始化器 ("glorot_uniform")。
• pointwise_initializer: 点卷积核的初始化器。如果为 None，则将使用默认初始化器 ("glorot_uniform")。
• bias_initializer: 偏置向量的初始化器。如果为 None，则将使用默认初始化器 ('"zeros"')。
• depthwise_regularizer: 深度卷积核的可选正则化器。
• pointwise_regularizer: 点卷积核的可选正则化器。
• bias_regularizer：偏置向量的可选正则化器。
• activity_regularizer：输出的可选正则化函数。
• depthwise_constraint: 在 Optimizer 更新后应用于深度核的可选投影函数（例如，用于层权重的范数约束或值约束）。该函数必须将未投影的变量作为输入，并且必须返回投影的变量（其形状必须相同）。
• pointwise_constraint: 在 Optimizer 更新后应用于点核的可选投影函数。
• bias_constraint：可选的投影函数，用于在 Optimizer 更新偏置后应用于偏置。

输入形状

• 如果 data_format="channels_last"：形状为 (batch_shape, steps, channels) 的 3D 张量。
• 如果 data_format="channels_first"：形状为 (batch_shape, channels, steps) 的 3D 张量。

输出形状

• 如果 data_format="channels_last"：形状为 (batch_shape, new_steps, filters) 的 3D 张量。
• 如果 data_format="channels_first"：形状为 (batch_shape, filters, new_steps) 的 3D 张量。

返回

表示 activation(separable_conv1d(inputs, kernel) + bias) 的 3D 张量。

示例

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