tf.keras.layers.Conv2D

2D-слой свертки (например, пространственная свертка по изображениям).

Наследуется от: Layer, Module

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
)

Этот слой создаёт ядро свертки, которое свёртывается с входным слоем для получения тензора выходных данных. Если use_bias равно True, создаётся вектор смещения, который добавляется к выходам. Наконец, если activation не None, он также применяется к выходам.

При использовании этого слоя в качестве первого слоя в модели укажите ключевое слово input_shape (кортеж целых чисел или None, не включая ось образца), например, input_shape=(128, 128, 3) для 128x128 RGB изображений в data_format="channels_last". Вы можете использовать None при переменном размере измерения.

Примеры:

# The inputs are 28x28 RGB images with `channels_last` and the batch
# size is 4.
input_shape = (4, 28, 28, 3)
x = tf.random.normal(input_shape)
y = tf.keras.layers.Conv2D(
2, 3, activation='relu', input_shape=input_shape[1:])(x)
print(y.shape)
(4, 26, 26, 2)

# With `dilation_rate` as 2.
input_shape = (4, 28, 28, 3)
x = tf.random.normal(input_shape)
y = tf.keras.layers.Conv2D(
2, 3, activation='relu', dilation_rate=2, input_shape=input_shape[1:])(x)
print(y.shape)
(4, 24, 24, 2)

# With `padding` as "same".
input_shape = (4, 28, 28, 3)
x = tf.random.normal(input_shape)
y = tf.keras.layers.Conv2D(
2, 3, activation='relu', padding="same", input_shape=input_shape[1:])(x)
print(y.shape)
(4, 28, 28, 2)

# With extended batch shape [4, 7]:
input_shape = (4, 7, 28, 28, 3)
x = tf.random.normal(input_shape)
y = tf.keras.layers.Conv2D(
2, 3, activation='relu', input_shape=input_shape[2:])(x)
print(y.shape)
(4, 7, 26, 26, 2)

Форма входных данных:

4+D тензор с формой: batch_shape + (channels, rows, cols) если data_format='channels_first' или 4+D тензор с формой: batch_shape + (rows, cols, channels) если data_format='channels_last'.

Форма выходных данных:

4+D тензор с формой: batch_shape + (filters, new_rows, new_cols) если data_format='channels_first' или 4+D тензор с формой: batch_shape + (new_rows, new_cols, filters) если data_format='channels_last'. Значения rows и cols могут быть изменены из-за заполнения.

Методы

convolution_op

Просмотреть исходный код

convolution_op(
    inputs, kernel
)