TensorFlow函数:tf.layers.SeparableConv2D
tf.layers.SeparableConv2D函数
SeparableConv2D类
定义在:tensorflow/python/layers/convolutional.py.
深度(depthwise)可分离的2D卷积.
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且提供了偏置初始化设定项,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:
- filters:一个整数,用于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,判断该层是否使用偏差.
- 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.
属性
- activity_regularizer
可选的正则化函数用于该层的输出.
- dtype
- graph
- input
检索图层的输入张量.
仅适用于图层只有一个输入的情况,即它是否连接到一个输入图层.
返回:
输入张量或输入张量列表.
可能引发的异常:
- AttributeError:如果图层连接到多个输入图层.
- RuntimeError:如果在Eager模式下调用.
- AttributeError:如果未找到入站节点.
- input_shape
检索图层的输入形状.
仅适用于图层只有一个输入,即它是否连接到一个输入层,或者所有输入具有相同形状的情况.
返回:
输入形状,作为整数形状元组(或形状元组列表,每个输入张量一个元组).
可能引发的异常:
- AttributeError:如果图层没有定义的input_shape.
- RuntimeError:如果在Eager模式下调用.
- losses
与此相关的损失Layer.
请注意,在急切执行时,获取此属性会计算正规则.使用图形执行时,已经创建了变量正则化运算,并且只是在这里返回.
返回:
张量列表.
- name
- non_trainable_variables
- non_trainable_weights
- output
检索图层的输出张量.
仅适用于图层只有一个输出,即它是否连接到一个输入层.
返回:
输出张量或输出张量列表.
可能引发的异常:
- AttributeError:如果图层连接到多个输入图层.
- RuntimeError:如果在Eager模式下调用.
- output_shape
检索图层的输出形状.
仅适用于图层具有一个输出,或者所有输出具有相同形状的情况.
返回:
输出形状,作为整数形状元组(或形状元组列表,每个输出张量一个元组).
可能引发的异常:
- AttributeError:如果图层没有定义的输出形状.
- RuntimeError:如果在Eager模式下调用.
- scope_name
- trainable_variables
- trainable_weights
- updates
- variables
返回所有图层变量/权重的列表.
返回:
变量列表.
- weights
返回所有图层变量/权重的列表.
返回:
变量列表.
方法
- __init__
__init__( 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, **kwargs )
初始化自我.
- __call__
__call__( inputs, *args, **kwargs )
包装call,应用前处理和后处理步骤.
参数:
- inputs:输入张量.
- *args:要传递给self.call的其他位置参数.
- **kwargs:要传递给self.call的其他关键字参数.注意:kwarg scope保留供图层使用.
返回:
输出张量.
注意:- 如果图层的call方法采用scope关键字参数,则此参数将自动设置为当前变量范围.- 如果图层的call方法采用mask参数(如某些Keras图层那样),则其默认值将设置为inputs前一层生成的蒙版(如果input确实来自生成相应蒙版的图层,即它是否来自具有掩蔽支持的Keras层).
可能引发的异常:
- ValueError:如果图层的call方法返回None(无效值).
- __deepcopy__
__deepcopy__(memo)
- add_loss
add_loss( losses, inputs=None )
添加损失张量,可能取决于图层输入.
一些损失(例如,活动正则化损失)可能取决于调用层时传递的输入.因此,当在不同的输入a和b上重用同一层时,在layer.losses中的一些条目可以取决于a并且另外一些取决于b.此方法自动跟踪依赖性.
该get_losses_for方法允许检索与特定输入集相关的损失.
请注意,急切执行时不支持add_loss.相反,可以通过add_variable添加变量正则化器.不直接支持活动正规化(但可以从Layer.call()中返回此类损失).
参数:
- losses:损失张量,或张量/列表的张量.
- inputs:如果传递了除None以外的任何内容,则表示损失是以某些层的输入为条件的,因此它们只应在这些输入可用的地方运行.例如,活动正规化损失就是这种情况.如果None通过,则假定损失是无条件的,并且将应用于层的所有数据流(例如,权重正则化损失).
可能引发的异常:
- RuntimeError:如果在Eager模式下调用.
- add_update
add_update( updates, inputs=None )
添加更新操作,可能依赖于图层输入.
权重更新(例如,BatchNormalization层中移动均值和方差的更新)可能取决于调用图层时传递的输入.因此,当在不同的输入a和b上重用同一层时,在layer.updates中的一些条目可以取决于a而另外一些取决于b.此方法自动跟踪依赖性.
该get_updates_for方法允许检索与特定输入集相关的更新.
在Eager模式下忽略此调用.
参数:
- updates:更新操作,或更新操作的列表/元组.
- inputs:如果传递了除None之外的任何内容,则表示更新是以某些层的输入为条件的,因此它们只应在这些输入可用的地方运行.例如,BatchNormalization更新就是这种情况.如果为None,则无条件地考虑更新,并且您有责任确保它们可能具有的任何依赖性在运行时可用.步数计数器可能属于此类别.
- add_variable
add_variable( name, shape, dtype=None, initializer=None, regularizer=None, trainable=True, constraint=None, partitioner=None )
该方法向图层添加新变量,或获取现有变量;返回它.
参数:
- name: 变量的名称.
- shape:变量的形状.
- dtype:变量的类型,默认为self.dtype或float32.
- initializer:初始化程序实例(可调用).
- regularizer:regularrizer实例(可调用).
- trainable:变量是否应该是图层的“trainable_variables”(例如,变量,偏差)或“non_trainable_variables”(例如,BatchNorm mean,stddev)的一部分.注意,如果当前变量范围被标记为不可训练,则忽略此参数,并且任何添加的变量也标记为不可训练.
- constraint:约束实例(可调用).
- partitioner:(可选)分区程序实例(可调用).如果提供,则在创建请求的变量时,它将根据partitioner分成多个分区.在这种情况下,返回一个PartitionedVariable实例.可用的分区包括tf.fixed_size_partitioner和tf.variable_axis_size_partitioner.
返回:
创建的变量.通常是一个Variable或一个ResourceVariable实例.如果partitioner不是None,则返回PartitionedVariable实例.
可能引发的异常:
- RuntimeError:如果使用分区变量正则化调用并且启用了急切执行.
- apply
apply( inputs, *args, **kwargs )
在输入上应用图层.
这只是包装self.__call__.
参数:
- inputs:输入张量.
- *args:要传递给self.call的其他位置参数.
- **kwargs:要传递给self.call的其他关键字参数.
返回:
输出张量.
- build
build(input_shape)
创建图层的变量.
- call
call(inputs)
图层的逻辑就在这里.
参数:
- inputs:输入张量.
- **kwargs:其他关键字参数.
返回:
输出张量.
- compute_output_shape
compute_output_shape(input_shape)
在给定输入形状的情况下计算图层的输出形状.
参数:
- input_shape:一个TensorShape(可能是嵌套的元组).它不需要完全定义(例如,批量大小可能是未知的).
返回:
一个TensorShape(可能是嵌套的元组).
可能引发的异常:
- TypeError:如果input_shape不是TensorShape(可能是嵌套的元组).
- ValueError:如果input_shape不完整或与图层不兼容.
- count_params
count_params()
计算组成权重的标量总数.
返回:
整数计数.
可能引发的异常:
- ValueError:如果尚未构建图层(在这种情况下,其权重尚未定义).
- get_input_at
get_input_at(node_index)
检索给定节点处的层的输入张量.
参数:
- node_index:Integer,从中检索属性的节点的索引.例如,node_index=0将对应于第一次调用图层.
返回:
张量(如果图层有多个输入,则为张量列表).
可能引发的异常:
- RuntimeError:如果在Eager模式下调用.
- get_input_shape_at
get_input_shape_at(node_index)
检索给定节点处的图层的输入形状.
参数:
- node_index:Integer,从中检索属性的节点的索引.例如,node_index=0将对应于第一次调用图层.
返回:
形状元组(如果图层有多个输入,则为形状元组列表).
可能引发的异常:
- RuntimeError:如果在Eager模式下调用.
- get_losses_for
get_losses_for(inputs)
检索与特定输入集相关的损失.
参数:
- inputs:输入张量或输入张量的列表/元组.
返回:
依赖于inputs的层的损失张量列表.
可能引发的异常:
- RuntimeError:如果在Eager模式下调用.
- get_output_at
get_output_at(node_index)
检索给定节点处的图层的输出张量.
参数:
- node_index:Integer,从中检索属性的节点的索引.例如,node_index=0将对应于第一次调用图层.
返回:
张量(如果图层有多个输出,则为张量列表).
可能引发的异常:
- RuntimeError:如果在Eager模式下调用.
- get_output_shape_at
get_output_shape_at(node_index)
检索给定节点处图层的输出形状.
参数:
- node_index:Integer,从中检索属性的节点的索引.例如,node_index=0将对应于第一次调用图层.
返回:
形状元组(如果图层具有多个输出,则为形状元组列表).
可能引发的异常:
- RuntimeError:如果在Eager模式下调用.
- get_updates_for
get_updates_for(inputs)
检索与特定输入集相关的更新.
参数:
- inputs:输入张量或输入张量的列表/元组.
返回:
依赖于inputs的层的更新操作列表.
可能引发的异常:
- RuntimeError:如果在Eager模式下调用.