tensorflow中的 Conv1d Conv2d Conv3d

一壶浊酒..

于 2022-12-16 17:03:09 发布

阅读量1.2k

点赞数

CC 4.0 BY-SA版权

分类专栏： # tensorflow 文章标签： tensorflow python 人工智能

本文链接：https://blog.youkuaiyun.com/qq_40107571/article/details/128344483

tensorflow 专栏收录该内容

16 篇文章 ¥49.90 ¥99.00

订阅专栏

本文介绍了TensorFlow中用于不同维度数据的卷积操作，包括Conv1d、Conv2d和Conv3d。Conv1d主要用于序列模型和自然语言处理，Conv2d适用于图像数据，而Conv3d则应用于3D数据。讨论了参数如滤波器数量、卷积核大小、步长和填充方式，并提及了空洞率（dilation_rate）在改变卷积核效果中的作用。

  def __init__(self,
               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):