tf.keras.layers.DepthwiseConv1D

Слой 1D свертки по глубине.

Наследует от: Layer, Operation

tf.keras.layers.DepthwiseConv1D(
    kernel_size,
    strides=1,
    padding='valid',
    depth_multiplier=1,
    data_format=None,
    dilation_rate=1,
    activation=None,
    use_bias=True,
    depthwise_initializer='glorot_uniform',
    bias_initializer='zeros',
    depthwise_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    depthwise_constraint=None,
    bias_constraint=None,
    **kwargs
)

Свертка по глубине — это тип свертки, в котором каждый входной канал свёртывается с отдельным ядром (называемым ядром свертки по глубине). Свертку по глубине можно рассматривать как первый шаг в свёртке по разделению глубины.

Она реализована следующим образом:

Разделение входных данных на отдельные каналы.
Свертка каждого канала с индивидуальным ядром свертки по глубине с depth_multiplier выходными каналами.
Конкатенация свёрнутых выходов по оси каналов.

В отличие от обычной 1D свертки, свертка по глубине не смешивает информацию между различными входными каналами.

Аргумент depth_multiplier определяет, сколько фильтров применяется к одному входному каналу. Таким образом, он контролирует количество выходных каналов, генерируемых на каждый входной канал на этапе свертки по глубине.

Аргументы
`kernel_size`	целое число или кортеж/список из 1 целого числа, определяющие размер окна свертки по глубине.
`strides`	целое число или кортеж/список из 1 целого числа, определяющие длину шага свертки. `strides > 1` несовместим с `dilation_rate > 1`.
`padding`	строка, либо `"valid"`, либо `"same"` (регистр не учитывается). `"valid"` означает отсутствие заполнения. `"same"` приводит к равномерному заполнению слева/справа или сверху/снизу входных данных. При `padding="same"` и `strides=1` выход имеет тот же размер, что и вход.
`depth_multiplier`	Количество выходных каналов свертки по глубине для каждого входного канала. Общее количество выходных каналов свертки по глубине будет равно `input_channel * depth_multiplier`.
`data_format`	строка, либо `"channels_last"`, либо `"channels_first"`. Порядок измерений во входных данных. `"channels_last"` соответствует входным данным с формой `(batch, steps, features)`, а `"channels_first"` соответствует входным данным с формой `(batch, features, steps)`. По умолчанию используется значение `image_data_format`, найденное в файле конфигурации Keras по адресу `~/.keras/keras.json`. Если вы его никогда не устанавливали, то он будет `"channels_last"`.
`dilation_rate`	целое число или кортеж/список из 1 целого числа, определяющие скорость расширения для свертки с расширением.
`activation`	Функция активации. Если `None`, активация не применяется.
`use_bias`	логическое значение, если `True`, смещение добавляется к выходу.
`depthwise_initializer`	Инициализатор для ядра свертки. Если `None`, используется по умолчанию инициализатор (`"glorot_uniform"`).
`bias_initializer`	Инициализатор для вектора смещения. Если `None`, используется по умолчанию инициализатор (`"zeros"`).
`depthwise_regularizer`	Необязательный регуляризатор для ядра свертки.
`bias_regularizer`	Необязательный регуляризатор для вектора смещения.
`activity_regularizer`	Необязательная функция регуляризации для выхода.
`depthwise_constraint`	Необязательная проекционная функция, применяемая к ядру после обновления с помощью `Optimizer` (например, используется для реализации ограничений нормы или ограничений значений для весов слоя). Функция должна принимать на вход непроектированную переменную и должна возвращать проектированную переменную (которая должна иметь ту же форму). Ограничения небезопасны при асинхронном распределенном обучении.
`bias_constraint`	Необязательная проекционная функция, применяемая к смещению после обновления с помощью `Optimizer`.

Форма входных данных:

Если data_format="channels_last": Трехмерный тензор с формой: (batch_shape, steps, channels)
Если data_format="channels_first": Трехмерный тензор с формой: (batch_shape, channels, steps)

Форма выходных данных:

Если data_format="channels_last": Трехмерный тензор с формой: (batch_shape, new_steps, channels * depth_multiplier)
Если data_format="channels_first": Трехмерный тензор с формой: (batch_shape, channels * depth_multiplier, new_steps)

Возвращает
Трехмерный тензор, представляющий `activation(depthwise_conv1d(inputs, kernel) + bias)`.

Исключения
`ValueError`	при одновременном наличии `strides > 1` и `dilation_rate > 1`.

Пример:

x = np.random.rand(4, 10, 12)
y = keras.layers.DepthwiseConv1D(3, 3, 2, activation='relu')(x)
print(y.shape)
(4, 4, 36)

Атрибуты
`input`	Получает входной тензор(ы) символьной операции. Возвращает только тензор(ы), соответствующие первому вызову операции.
`output`	Получает выходной тензор(ы) слоя. Возвращает только тензор(ы), соответствующие первому вызову операции.

Методы

`from_config`

Просмотреть исходный код

@classmethod
from_config(
    config
)

Создает слой из его конфигурации.

Этот метод — обратная функция get_config, способная создать тот же слой из словаря конфигурации. Он не обрабатывает соединение слоев (обрабатывается сетью), а также веса (обрабатываются функцией set_weights).

Аргументы
`config`	Словарь Python, обычно результат get_config.

Возвращает
Экземпляр слоя.

`symbolic_call`

Просмотреть исходный код

symbolic_call(
    *args, **kwargs
)

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/keras/layers/DepthwiseConv1D