博客

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