TensorFlow函数:tf.layers.separable_conv1d
2018-08-02 10:41 更新
tf.layers.separable_conv1d函数
tf.layers.separable_conv1d(
inputs,
filters,
kernel_size,
strides=1,
padding='valid',
data_format='channels_last',
dilation_rate=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1D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且提供了一个偏置初始值设定项,则会向输出添加一个偏置向量.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:一个整数,用于指定过滤器的空间维度.
- strides:一个整数,用于指定卷积的步幅.指定任何stride值!= 1与指定任何dilation_rate值!= 1都不相容.
- padding:可以是一个"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, length, channels)的输入,而channels_first对应于具有形状(batch, channels, length)的输入.
- dilation_rate:单个整数,指定用于扩张卷积的扩张率;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,表示该层是否使用偏差.
- 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(请参阅参考资料tf.Variable).
- name:字符串,图层的名称.
- reuse:Boolean,表示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.