1 tf.layers.conv2d( 2 inputs, # [batch, in_height, in_width, in_channels] 3 filters, # 过滤器,输出的深度 filters=32 4 kernel_size,# 过滤器在二维的大小 5 strides=(1,1), # 步长为1 6 padding='valid', # same 表示输出形状大小不变,因此需要补零 7 data_format='channels_last', 8 dilation_rate=(1, 1), 9 activation=None, # 激活函数 tf.nn.relu 10 use_bias=True, 11 kernel_initializer=None, 12 bias_initializer=tf.zeros_initializer(), 13 kernel_regularizer=None, 14 bias_regularizer=None, 15 activity_regularizer=None, 16 kernel_constraint=None, 17 bias_constraint=None, 18 trainable=True, 19 name=None, 20 reuse=None 21 )
inputs
:张量输入。filters
:整数,输出空间的维数(即卷积中滤波器的数量)。kernel_size
:2整数的整数或元组/列表,指定2D卷积窗口的高度和宽度。可以是一个整数,为所有空间维度指定相同的值。strides
:2个整数的整数或元组/列表,指定沿高度和宽度的卷积步幅。可以是一个整数,为所有空间维度指定相同的值。指定任何stride值!= 1与指定任何dilation_rate
值!= 1 不兼容。padding
:其中一个"valid"
或"same"
(不区分大小写)。-
data_format
:一个字符串,其中一个channels_last
(默认)或channels_first
。输入中维度的排序。channels_last
对应于具有形状的输入(batch, height, width, channels)
而channels_first
对应于具有形状的输入(batch, channels, height, width)
。 -
dilation_rate
:2个整数的整数或元组/列表,指定用于扩张卷积的膨胀率。可以是一个整数,为所有空间维度指定相同的值。目前,指定任何dilation_rate
值!= 1与指定任何跨度值!= 1都不兼容。 -
activation
:激活函数