美文网首页
keras 卷积网络

keras 卷积网络

作者: 郭彦超 | 来源:发表于2019-05-05 14:17 被阅读0次

主要用到的卷积层有Conv1D、Conv2D;简单讲,神经网络中卷积层的作用是用来做特征提取的

Conv1D

keras.layers.Conv1D(filters, kernel_size, strides=1, padding='valid', activation=None)

一维卷积对提供的数据进行单维度处理,如果卷积层放在第一层之上,还需要提供input_shape参数,例如(10,128)表示10个128维组成的向量序列。

  • filters:卷积层输出维度
  • kernel_size:卷积窗口大小
  • strides:卷积窗口移动步长
  • padding:valid表示不填充特征边界,same表示填充输入特征以使与原始输入长度相同
  • activation:卷积输出前使用激活函数对张量进行处理

Conv2D

keras.layers.Conv2D(filters, kernel_size, strides=(1, 1), padding='valid', activation=None)

二维卷积主要应用于图形数据处理,如果卷积层放在第一层之上,还需要提供input_shape参数,例如 input_shape=(128, 128, 3) 表示 128x128 RGB 图像。

  • filters:卷积层输出维度
  • kernel_size:包含2个整数的元组,用来指定卷积窗口的宽度和高度;也可以是一个整数,为所有空间维度指定相同值
  • strides:包含2个整数的元组,用来指定窗口宽度和高度的步长,如果是一个值为所有空间指定相同的值
  • padding:valid表示不填充特征边界,same表示填充输入特征以使与原始输入长度相同
  • activation:卷积输出前使用激活函数对张量进行处理

相关文章

网友评论

      本文标题:keras 卷积网络

      本文链接:https://www.haomeiwen.com/subject/jaecoqtx.html