招行 FinTech 学习笔记-Keras

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 参数：