TF-tf.keras.layers.Conv1D

1147-柳同学

发表文章数:589

热门标签

,
首页 » 算法 » 正文

tf.keras.layers.Conv1D(
    filters, kernel_size, strides=1, padding='valid',
    data_format='channels_last',
    dilation_rate=1, groups=1, activation=None, use_bias=True,
    kernel_initializer='glorot_uniform', bias_initializer='zeros',
    kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None,
    kernel_constraint=None, bias_constraint=None, **kwargs
)
一维卷积层(例如时间卷积)
作用:
该层创建一个卷积核,该卷积核与该层输入在单个空间(或时间)维度上进行卷积,以生成输出张量。
如果use_bias为True,则会创建一个偏差矢量并将其添加到输出中。
最后,如果activation=None,则它也将应用于输出。
当将此层用作模型的第一层时,请提供一个input_shape参数(整数元组或None),
例如对于10个向量的128维向量的序列,为(10128),对于可变长度,则为(None128)

参数:
filters:输出空间的维数(即卷积中输出过滤器的数量)
kernel_size:指定一维卷积窗口的长度,即卷积核的大小
strides:指定卷积的步长
padding:One of "valid", "causal" or "same"
data_format:one of channels_last (default) or channels_first.
dilation_rate:指定用于扩张卷积的扩张率
groups:一个正整数,指定输入沿通道轴划分的组数。
每个组分别与过滤器/过滤器组卷积。
输出是沿着通道轴的所有组结果的串联。
输入通道和过滤器都必须被组整除。
activation:激活函数
use_bias=True:层是否使用偏置向量
kernel_initializer:内核权重矩阵的初始化
bias_initializer:偏置向量初始化
kernel_regularizer:是否将正则化函数应用于内核权重矩阵
bias_regularizer:是否将正则化函数应用于偏置向量
activity_regularizer:Regularizer函数应用于层的输出
kernel_constraint:约束函数应用于核矩阵
bias_constraint:约束函数应用于偏执向量

输入shape:
3+D shape张量:batch_shape + (steps, input_dim)
输出shape:
3+D张量形状:batch_shape + (new_steps, filters)步幅值可能因填充或步幅而改变。

TF-tf.keras.layers.Conv1D

标签:

未经允许不得转载:作者:1147-柳同学, 转载或复制请以 超链接形式 并注明出处 拜师资源博客
原文地址:《TF-tf.keras.layers.Conv1D》 发布于2020-11-15

分享到:
赞(0) 打赏

评论 抢沙发

评论前必须登录!

  注册



长按图片转发给朋友

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

Vieu3.3主题
专业打造轻量级个人企业风格博客主题!专注于前端开发,全站响应式布局自适应模板。

登录

忘记密码 ?

您也可以使用第三方帐号快捷登录

Q Q 登 录
微 博 登 录