TensorFlow函数:tf.layers.separable_conv2d

由 Carrie 创建, 最后一次修改 2018-07-27

tf.layers.separable_conv2d函数

tf.layers.separable_conv2d(
    inputs,
    filters,
    kernel_size,
    strides=(1, 1),
    padding='valid',
    data_format='channels_last',
    dilation_rate=(1, 1),
    depth_multiplier=1,
    activation=None,
    use_bias=True,
    depthwise_initializer=None,
    pointwise_initializer=None,
    bias_initializer=tf.zeros_initializer(),
    depthwise_regularizer=None,
    pointwise_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    depthwise_constraint=None,
    pointwise_constraint=None,
    bias_constraint=None,
    trainable=True,
    name=None,
    reuse=None
)

定义在:tensorflow/python/layers/convolutional.py.

深度(depthwise)可分离2D卷积层的功能接口.

该层执行深度(depthwise)卷积,分别对通道起作用,然后是混合通道的逐点卷积.如果use_bias为True,且提供了偏置初始值设定项,则会向输出添加偏置向量.然后它可选地应用激活函数来产生最终输出.

参数:

  • inputs:输入张量.
  • filters:整数,表示输出空间的维数(即卷积中的滤波器数).
  • kernel_size:一个元组或2个整数的列表,指定过滤器的空间维度.可以是单个整数,以指定所有空间维度的相同值.
  • strides:一个元组或2个正整数的列表,指定卷积的步幅.可以是单个整数,以指定所有空间维度的相同值.指定任何stride值!= 1与指定任何dilation_rate值!= 1都不相容.
  • padding:一个"valid"或"same"(不区分大小写).
  • data_format:一个字符串,可以是一个channels_last(默认)或channels_first,表示输入中维度的顺序.channels_last对应于具有形状(batch, height, width, channels)的输入,而channels_first对应于具有形状(batch, channels, height, width)的输入.
  • dilation_rate:2个整数的整数或元组/列表,指定用于扩张卷积的扩张率.可以是单个整数,以指定所有空间维度的相同值.目前,指定任何dilation_rate值!= 1与指定任何步幅值!= 1都不相容.
  • 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num_filters_in * depth_multiplier.
  • activation:激活功能.将其设置为“None”以保持线性激活.
  • use_bias:Boolean,该层是否使用偏差.
  • depthwise_initializer:深度卷积内核的初始化程序.
  • pointwise_initializer:逐点卷积内核的初始化程序.
  • bias_initializer:偏置向量的初始化器.如果为None,将使用默认初始值设定项.
  • depthwise_regularizer:深度卷积内核的可选正则化器.
  • pointwise_regularizer:针对逐点卷积内核的可选正则化器.
  • bias_regularizer:偏置矢量的可选正则化器.
  • activity_regularizer:输出的可选正则化函数.
  • depthwise_constraint:可选投影函数,在由Optimizer更新后应用于深度内核(例如,用于范数约束或层权重的值约束).该函数必须将未投影的变量作为输入,并且必须返回投影变量(必须具有相同的形状).在进行异步分布式培训时,使用约束是不安全的.
  • pointwise_constraint:由Optimizer更新后应用于逐点内核的可选投影函数.
  • bias_constraint:由Optimizer更新后应用于偏差的可选投影函数.
  • trainable:Boolean,如果为True,还将变量添加到图集合GraphKeys.TRAINABLE_VARIABLES中(请参阅参考资料tf.Variable).
  • name:字符串,表示图层的名称.
  • reuse:Boolean,是否以同一名称重用前一层的权重.

返回:

输出张量.

可能引发的异常:

  • ValueError:如果启用了急切(eager)执行.
以上内容是否对您有帮助:
二维码
建议反馈
二维码