Keras深度学习之卷积层

最新推荐文章于 2025-07-04 11:12:04 发布

旧梦如烟

最新推荐文章于 2025-07-04 11:12:04 发布

阅读量1.2k

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习之Keras

本文链接：https://blog.youkuaiyun.com/wang263334857/article/details/88424784

本文详细介绍了Keras中的卷积层，包括Conv1D、Conv2D和Conv3D。讨论了卷积层的关键参数如filters、kernel_size、strides、padding等，并解释了它们对卷积操作的影响。同时，提到了激活函数、权重初始化、正则化以及约束项的选择对模型性能的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Conv1D、Conv2D和Conv3D的选项几乎相同。

filters：卷积滤子输出的维度，要求整数。
kernel_size：卷积核的空域或时域窗长度。要求是整数或整数的列表，或者是元组。如果是单一整数，则应用于所有适用的维度。
strides：卷积在宽或者高维度的步长。要求是整数或整数的列表，或者是元组。如果是单一整数，则应用于所有适用的维度。如果设定步长不为1，则dilation_rate选项的取值必须为1。
padding：补齐策略，取值为valid、same或causal。causal将产生因果（膨胀的）卷积，即output[t]不依赖于input[t+1：]，在不能违反时间顺序的时序信号建模时有用。请参考WaveNet：A Generative Model for Raw Audio，section 2.1.。valid代表只进行有效的卷积，即对边界数据不处理。same代表保留边界处的卷积结果，通常会导致输出shape与输入shape相同。
data_format：数据格式，取值为channels_last或者channels_first。这个选项决定了数据维度次序，其中channels_last对应的数据维度次序是（批量数，高，宽，频道数），而channels_first对应的数据维度次序为（批量数，频道数，高，宽）。
activation：激活函数，为预定义或者自定义的激活函数名，请参考前面的“网络层对象”部分的介绍。如果不指定该选项，将不会使用任何激活函数（即使用线性激活函数：a（x）=x）。

dilation_rate：该选项指定扩张卷积（Dilated Convolution）中的扩张比例。要求为整数或由单个整数构成的列表/元组，如果dilation_rate不为1，则步长一项必须设为1。
use_bias：指定是否使用偏置项，取值为True或者False。
kernel_initializer：权重初始化方法，为预定义初始化方法名的字符串，或用于初始化权重的函数。请参考前面的“网络层对象”部分的介绍。