本文主要是介绍keras.layers.Conv2D() 函数参数，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
tf.keras.layers.Conv2D() 函数
Conv2D （二维卷积层）
这一层创建了一个卷积核，它与这一层的输入卷积以产生一个输出张量
当使用此层作为模型的第一层时，提供关键字参数 input_shape (整数元组，不包括样本轴，不需要写batch_size)
def __init__(self, filters,kernel_size,strides=(1, 1),padding='valid',data_format=None,dilation_rate=(1, 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):
参数
filters
int 类型，表示卷积核个数，filters 影响的是最后输入结果的的第四个维度的变化
import tensorflow as tf
from tensorflow.keras.layers import Conv2Dinput_shape = (4, 600, 600, 3)
input = tf.random.normal(input_shape)
x = keras.layers.Conv2D(64, (1, 1), strides=(1, 1), name='conv1')(input)
print(x.shape)OUTPUT:
(4, 600, 600, 64)
kernel_size
表示卷积核的大小，如果是方阵可以直接写成一个数，影响的是输出结果中间两个数据的维度
x = Conv2D(64, (2, 2), strides=(1, 1), name='conv1')(input)
#or Conv2D(64, 2, strides=(1, 1), name='conv1')(input)
print(x.shape)OUTPUT:
(4, 599, 599, 64)
strides
tuple (int, int) 步长，同样会影响输出的中间两个维度，值得注意的是，括号里的数据可以不一致，分别控制横坐标和纵坐标
x = Conv2D(64, 1, strides=(2, 2), name='conv1')(input)
print(x.shape)OUTPUT:
(4, 300, 300, 64)
padding
是否对周围进行填充，same 即使通过 kernel_size 缩小了维度，但是四周会填充 0，保持原先的维度；valid 表示存储不为 0 的有效信息
a = Conv2D(64, 1, strides=(2, 2), padding="same" , name='conv1')(input)
b = Conv2D(64, 3, strides=(2, 2), padding="same" , name='conv1')(input)
c = Conv2D(64, 3, strides=(1, 1), padding="same" , name='conv1')(input)
d = Conv2D(64, 3, strides=(1, 1), padding="valid", name='conv1')(input)
print(a.shape, b.shape, c.shape, d.shape)OUTPUT:
(4, 300, 300, 64)
(4, 300, 300, 64)
(4, 600, 600, 64)
(4, 598, 598, 64)
activation
激活函数，如果 activation 不是 None，则它会应用于输出
use_bias
boolean，表示是否使用偏置量，如果 use_bias 为真，则创建一个偏置项并添加到输出中
data_format
用于规定 input_shape 的格式
如果不填写，默认是 channels_last，否则可以填写 channels_first。前者的会把 input_shape 这个三元组给识别成 (batch_size, height, width, channels)，后者则会识别成 (batch_size, channels, height, width) 不过样本轴 (batch_size) 不需要自己填写
dilation_rate
int, tuple(int, int), list[int, int]，指定用于扩展卷积的扩展率。可以是单个整数，为所有空间维度指定相同的值。该参数定义了卷积核处理数据时各值的间距。
在相同的计算条件下，该参数提供了更大的感受野。该参数经常用在实时图像分割中。当网络层需要较大的感受野，但计算资源有限而无法提高卷积核数量或大小时，可以考虑使用。
返回值
返回一个四维的张量
第一个数是 batch 的大小，也就是有几组数据；后三个数表示一个张量的大小
同步更新于：SP-FA 的博客
这篇关于keras.layers.Conv2D() 函数参数的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
