► Keras 3 API 文档 / 层 API / 卷积层 / Conv2D 层

Conv2D 层

`Conv2D` class

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
)

2D 卷积层.

该层创建一个卷积核,该卷积核与层的输入在2D空间（或时间）维度（高度和宽度）上进行卷积,以生成输出张量.如果 use_bias 为 True,则创建一个偏置向量并将其添加到输出中.最后,如果 activation 不是 None,则将其应用于输出.

参数: filters: int, 输出空间的维度（卷积中滤波器的数量）. kernel_size: int 或 2个整数的元组/列表,指定卷积窗口的大小. strides: int 或 2个整数的元组/列表,指定卷积的步长长度.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" 表示不填充."same" 会导致在输入的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" 对应于形状为 (batch_size, height, width, channels) 的输入,而 "channels_first" 对应于形状为 (batch_size, channels, height, width) 的输入.它默认为 ~/.keras/keras.json 中找到的 image_data_format 值.如果你从未设置它,那么它将是 "channels_last". dilation_rate: int 或 2个整数的元组/列表,指定用于扩张卷积的扩张率. groups: 一个正整数,指定输入沿通道轴分割的组数.每个组分别用 filters // groups 个滤波器进行卷积.输出是所有 groups 结果沿通道轴的连接.输入通道和 filters 都必须能被 groups 整除. activation: 激活函数.如果为 None,则不应用激活. use_bias: bool, 如果为 True,则将偏置添加到输出中. kernel_initializer: 卷积核的初始化器.如果为 None,则使用默认初始化器（"glorot_uniform"）. bias_initializer: 偏置向量的初始化器.如果为 None,则使用默认初始化器（"zeros"）. kernel_regularizer: 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. kernel_constraint: 可选的投影函数,在 Optimizer 更新后应用于卷积核（例如,用于实现层权重的范数约束或值约束）.该函数必须接受未投影的变量作为输入,并返回投影的变量（必须具有相同的形状）.在异步分布式训练中使用约束不安全. bias_constraint: 可选的投影函数,在 Optimizer 更新后应用于偏置.

输入形状:

如果 data_format="channels_last": 形状为 (batch_size, height, width, channels) 的 4D 张量
如果 data_format="channels_first": 形状为 (batch_size, channels, height, width) 的 4D 张量

输出形状:

如果 data_format="channels_last": 形状为 (batch_size, new_height, new_width, filters) 的 4D 张量
如果 data_format="channels_first": 形状为 (batch_size, filters, new_height, new_width) 的 4D 张量

返回: 表示 activation(conv2d(inputs, kernel) + bias) 的 4D 张量.

引发: ValueError: 当 strides > 1 和 dilation_rate > 1 同时存在时.

示例:

>>> x = np.random.rand(4, 10, 10, 128)
>>> y = keras.layers.Conv2D(32, 3, activation='relu')(x)
>>> print(y.shape)
(4, 8, 8, 32)

Conv2D 层

Conv2D class

Conv2D 层

Conv2D class

`Conv2D` class