Keras 中的卷积层
参考引用:Udacity
from keras.layers import Conv2D
Conv2D(filters, kernel_size, strides, padding, activation='relu', input_shape)
参数
必须传递以下参数:
-
filters
– 过滤器数量。 -
kernel_size
– 指定(方形)卷积窗口的高和宽的数字。
你可能还需要调整其他可选参数:
-
strides
– 卷积 stride。如果不指定任何值,则
strides
设为
1
。 -
padding
– 选项包括
'valid'
和
'same'
。如果不指定任何值,则
padding
设为
'valid'
。 -
activation
– 通常为
'relu'
。如果未指定任何值,则不应用任何激活函数。
强烈建议
你向网络中的每个卷积层添加一个 ReLU 激活函数。
注意
:可以将
kernel_size
和
strides
表示为数字或元组。
在模型中将卷积层当做第一层级(出现在输入层之后)时,必须提供另一个
input_shape
版权声明:本文为one0_opiece原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。