Перейти к содержанию

Сверточные слои

Conv1D

keras.layers.Conv1D(filters, kernel_size, strides=1, padding=’valid’, data_format=’channels_last’, dilation_rate=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)

Слой 1D свертки (например, временная свертка).

Этот слой создает ядро свертки, которое свертывается с входом слоя в едином пространственном (или временном) измерении для получения тензора выходных данных. Если значение параметра use_bias равно True, то создается и добавляется к выходным данным вектор смещения. Наконец, если активация не None, она применяется и к выходам.

При использовании этого слоя в качестве первого слоя в модели, предоставьте аргумент input_shape (кортеж целых чисел или None, не включает ось партии), например, input_shape=(10, 128) для последовательностей временных рядов с 10 временными шагами и 128 признаками на шаг в data_format=»channels_last», или (None, 128) для последовательностей переменной длины с 128 признаками на шаг.

Аргументы

  • filters: Целое, размерность выходного пространства (т.е. количество выходных фильтров в свертке).
  • kernel_size: Целое число или кортеж/перечень одного целого, задающего длину окна 1D свертки.
  • strides: Целое число или кортеж/перечень одного целого, задающего длину шага свертки. Указание любого значения шага != 1 несовместимо с указанием любого значения коэффициента расширения != 1.
  • padding: Одно из «действительных», «причинно-следственных» или «одинаковых» (нечувствительных к регистру). «valid» означает «no padding». «То же самое» приводит к тому, что входной сигнал будет иметь ту же длину, что и исходный вход. «причинно-следственная» приводит к причинно-следственной (расширенной) свертке, например, выход[t] не зависит от входа[t + 1:]. Нулевой padding используется таким образом, что выход имеет ту же длину, что и исходный вход. Полезно при моделировании временных данных, когда модель не должна нарушать временной порядок. См. WaveNet: Генеративная модель для сырого аудио, раздел 2.1.
  • data_format: Строка, одна из «channels_last» (по умолчанию) или «channels_first». Порядок следования размеров на входах. «channels_last» соответствует входам с формой (пакет, шаги, каналы) (формат по умолчанию для временных данных в Keras), а «channels_first» соответствует входам с формой (пакет, каналы, шаги).
  • dilation_rate: целое число или кортеж/список одного целого, определяющее скорость расширения, используемую для расширенной свертки. В настоящее время указание любого значения коэффициента расширения != 1 несовместимо с указанием любого значения шага != 1.
  • activation: Функция активации для использования (см. активации). Если ничего не указывать, активация не применяется (т.е. «линейная» активация: a(x) = x).
  • use_bias: Boolean, использует ли слой вектор смещения.
  • kernel_initializer: Инициализатор для матрицы весов кернела (см. инициализаторы).
  • bias_initializer: Инициализатор для вектора смещения (см. инициализаторы).
  • kernel_regularizer: Функция регулялизатора, применяемая к матрице весов кернела (см. регуляризатор).
  • bias_regularizer: Функция регуляризатора применяется к вектору смещения (см. регуляризатор).
  • activity_regularizer: Функция регулялизатора применяется к выходу слоя (его «активация»). (см. регуляризатор).
  • kernel_constraint: Функция ограничения, применяемая к матрице кернела (см. ограничения).
  • bias_constraint: Функция ограничения, применяемая к вектору смещения (см. ограничения).

Форма ввода

3D тензор с формой: (batch, steps, channels)

Форма вывода

3D тензор с формой: (batch, new_steps, filters) значение шагов могло измениться из-за подкладки (пэддинг) или шага (страйд).

[source]

Conv2D

keras.layers.Conv2D(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)

Слой 2D свертки (например, пространственная свертка над изображениями).

Этот слой создает ядро свертки, которое свертывается со входом слоя для получения тензора выходов. Если значение параметра use_bias равно True, то создается и добавляется к выходным данным вектор смещения. Наконец, если активация не параметр None, он применяется и к выходным данным.

При использовании этого слоя в качестве первого слоя в модели, задайте ключевой аргумент input_shape (кортеж целых чисел, не включает ось партии), например, input_shape=(128, 128, 3) для 128×128 RGB-картинок в data_format=»channels_last».

Аргументы

  • filters: Целое, размерность выходного пространства (т.е. количество выходных фильтров в свертке).
  • kernel_size: Целое число или кортеж/перечень из 2-х целых чисел, задающих высоту и ширину окна 2D свертки. Может быть одним целым числом, задающим одно и то же значение для всех пространственных измерений.
  • strides: Целое число или кортеж/список из 2-х целых чисел, задающих шаги свертки по высоте и ширине. Может быть одним целым числом, задающим одно и то же значение для всех пространственных измерений. Указание любого значения шага != 1 несовместимо с указанием любого значения шага != 1.
  • padding: одна из «действительных» или «одинаковых» (нечувствительных к регистру). Обратите внимание, что «одно и то же» слегка несовместимо с шагами != 1, как описано здесь
  • data_format: Строка, одна из «channels_last» или «channels_first». Порядок следования размеров на входах. «channels_last» соответствует входам с формой (пакетный, высота, ширина, каналы), а «channels_first» соответствует входам с формой (пакетный, каналы, высота, ширина). По умолчанию значением параметра image_data_format, найденным в вашем конфигурационном файле Keras, является ~/.keras/keras.json. Если вы никогда не устанавливали его, то это будет «channels_last».
  • dilation_rate: целое число или кортеж/список из 2-х целых чисел, с указанием скорости расширения, которую следует использовать для расширенной свертки. Может быть одним целым числом, задающим одно и то же значение для всех пространственных измерений. В настоящее время указание любого значения коэффициента расширения != 1 несовместимо с указанием любого значения шага != 1.
  • активация: Функция активации для использования (см. активации). Если ничего не указывать, активация не применяется (т.е. «линейная» активация: a(x) = x).
  • use_bias: Boolean, использует ли слой вектор смещения.
  • kernel_initializer: Инициализатор для матрицы весов кернела (см. инициализаторы).
  • bias_initializer: Инициализатор для вектора смещения (см. инициализаторы).
  • kernel_regularizer: Функция регулялизатора, применяемая к матрице весов кернела (см. регуляризатор).
  • bias_regularizer: Функция регуляризатора применяется к вектору смещения (см. регуляризатор).
  • activity_regularizer: Функция регулялизатора применяется к выходу слоя (его «активация»). (см. регуляризатор).
  • kernel_constraint: Функция ограничения, применяемая к матрице кернела (см. ограничения).
  • bias_constraint: Функция ограничения, применяемая к вектору смещения (см. ограничения).

Форма ввода

4D тензор с формой: (batch, channels, rows, cols) если data_format представляет собой «channels_first» или 4D тензор с формой: (batch, rows, cols, channels) если data_format представляет собой «channels_last».

Форма вывода

4D тензор с формой: (batch, filters, new_rows, new_cols) если data_format представляет собой «channels_first» или 4D тензор с формой: (batch, new_rows, new_cols, filters) если data_format представляет собой «channels_last». rows и cols значения могли измениться из-за подкладки (пэддинг).

[source]

SeparableConv1D

keras.layers.SeparableConv1D(filters, kernel_size, strides=1, padding=’valid’, data_format=’channels_last’, dilation_rate=1, depth_multiplier=1, activation=None, use_bias=True, depthwise_initializer=’glorot_uniform’, pointwise_initializer=’glorot_uniform’, bias_initializer=’zeros’, depthwise_regularizer=None, pointwise_regularizer=None, bias_regularizer=None, activity_regularizer=None, depthwise_constraint=None, pointwise_constraint=None, bias_constraint=None)

Глубоко разделяемая 1D свертка.

Разделимые свертки состоят в том, что сначала выполняется пространственная свертка по глубине (которая действует на каждый входной канал в отдельности), а затем точечная свертка, которая смешивает полученные выходные каналы. Аргумент depth_multiplier контролирует, сколько выходных каналов генерируется в каждом входном канале с шагом по глубине.

Интуитивно разделяемые конвекции могут быть поняты как способ факторизации конверсионного ядра в два меньших ядра, или как экстремальная версия блока Inception.

Аргументы

  • filters: Целое, размерность выходного пространства (т.е. количество выходных фильтров в свертке).
  • kernel_size: Целое число или кортеж/перечень одного целого, задающего длину окна 1D свертки.
  • strides: Целое число или кортеж/список единственного целого числа, задающего длину шага свертки. Указание любого значения шага != 1 несовместимо с указанием любого значения коэффициента расширения != 1.
  • padding: одна из «действительных» или «одинаковых» (нечувствительных к регистру).
  • data_format: Строка, одна из «channels_last» или «channels_first». Порядок следования размеров на входах. «channels_last» соответствует входам с формой (пакетным, пошаговым, пошаговым), а «channels_first» соответствует входам с формой (пакетным, пошаговым, пошаговым).
  • dilation_rate: Целое число или кортеж/список одного целого, указывающее скорость расширения, используемую для разбавленной свертки. В настоящее время указание любого значения коэффициента расширения != 1 несовместимо с указанием любого значения шага != 1.
  • depth_multiplierглубины: Количество каналов вывода сверток по глубине для каждого входного канала. Общее количество каналов вывода по глубинной свертке будет равно filter_in * depth_multiplier.
  • activation: Функция активации для использования (см. активацию). Если ничего не указать, активация не применяется (т.е. «линейная» активация: a(x) = x).
  • use_bias: Булева, использует ли слой вектор смещения.
  • depthwise_initializer: Инициализатор для матрицы глубинного ядра (см. инициализаторы).
  • pointwise_initializer: Инициализатор для матрицы точечного ядра (см. инициализаторы).
  • bias_initializer: Инициализатор для вектора смещения (см. инициализаторы).
  • depthwise_regularizer: Функция регулялизатора, применяемая к матрице кернела по глубине (см. регулялизатор).
  • pointwise_regularizer: Функция регулялизатора применяется к матрице кернела по вертикали (см. регуляризатор).
  • bias_regularizer: Функция регуляризатора применяется к вектору смещения (см. регуляризатор).
  • activity_regularizer: Функция регулялизатора применяется к выходу слоя (его «активация»). (см. регуляризатор).
  • depthwise_constraint: Функция ограничения, применяемая к матрице кернела по глубине (см. ограничения).
  • pointwise_constraint: Функция ограничения, применяемая к матрице кернела по глубине (см. ограничения).
  • bias_constraint: Функция ограничения применяется к вектору смещения (см. ограничения).

Форма ввода

3D тензор с формов: (batch, channels, steps) если data_format представляет собой «channels_first» или 3D тензор с формов: (batch, steps, channels) если data_format представляет собой «channels_last».

Форма вывода

3D тензор с формой: (пакетный, фильтры, new_steps), если data_format это «channels_first» или 3D тензор с формой: (пакетно, new_steps, фильтры), если data_format «channels_last». значения new_steps могли измениться из-за пэддинга или страйдов.

[source]

SeparableConv2D

keras.layers.SeparableConv2D(filters, kernel_size, strides=(1, 1), padding=’valid’, data_format=None, dilation_rate=(1, 1), depth_multiplier=1, activation=None, use_bias=True, depthwise_initializer=’glorot_uniform’, pointwise_initializer=’glorot_uniform’, bias_initializer=’zeros’, depthwise_regularizer=None, pointwise_regularizer=None, bias_regularizer=None, activity_regularizer=None, depthwise_constraint=None, pointwise_constraint=None, bias_constraint=None)

Глубоко разделяемая 2D свертка.

Разделяемая свертка выполняет сначала пространственную свертку по глубине (которая действует на каждый входной канал отдельно), а затем точечную свертку, которая смешивает результирующие выходные каналы. Аргумент depth_multiplier контролирует, сколько выходных каналов генерируется в каждом входном канале с шагом по глубине.

Интуитивно разделяемые свертки можно понимать как способ факторизации сверточного ядра в два меньших ядра или как экстремальную версию блока Inception.

Аргументы

  • filters: Целое, размерность выходного пространства (т.е. количество выходных фильтров в свертке).
  • kernel_size: Целое число или кортеж/перечень из 2-х целых чисел, задающих высоту и ширину окна 2D свертки. Может быть одним целым числом, задающим одно и то же значение для всех пространственных измерений.
  • strides: Целое число или кортеж/список из 2-х целых чисел, задающих шаги свертки по высоте и ширине. Может быть одним целым числом, задающим одно и то же значение для всех пространственных измерений. Указание любого значения шага != 1 несовместимо с указанием любого значения шага != 1.
  • padding: одна из «действительных» или «одинаковых» (нечувствительных к регистру).
  • data_format: Строка, одна из «channels_last» или «channels_first». Порядок следования размеров на входах. «channels_last» соответствует входам с формой (пакетный, высота, ширина, каналы), а «channels_first» соответствует входам с формой (пакетный, каналы, высота, ширина). По умолчанию значением параметра image_data_format, найденным в вашем конфигурационном файле Keras, является ~/.keras/keras.json. Если вы никогда не устанавливали его, то это будет «channels_last».
  • dilation_rate: Целое число или кортеж/список из 2-х целых чисел, указывающий скорость расширения, используемую для расширенной свертки. На данный момент, указание любого значения dilation_rate != 1 несовместимо с указанием любого значения шага != 1.
  • depth_multiplier: Количество каналов вывода сверток по глубине для каждого входного канала. Общее количество каналов вывода по глубинной свертке будет равно filter_in * depth_multiplier.
  • activation: Функция активации для использования (см. активацию). Если ничего не указать, активация не применяется (т.е. «линейная» активация: a(x) = x).
  • use_bias: Булева, использует ли слой вектор смещения.
  • depthwise_initializer: Инициализатор для матрицы глубинного ядра (см. инициализаторы).
  • pointwise_initializer: Инициализатор для матрицы точечного ядра (см. инициализаторы).
  • bias_initializer: Инициализатор для вектора смещения (см. инициализаторы).
  • depthwise_regularizer: Функция регулялизатора, применяемая к матрице кернела по глубине (см. регулялизатор).
  • pointwise_regularizer: Функция регулялизатора применяется к матрице кернела по вертикали (см. регуляризатор).
  • bias_regularizer: Функция регуляризатора применяется к вектору смещения (см. регуляризатор).
  • activity_regularizer: Функция регулялизатора применяется к выходу слоя (его «активация»). (см. регуляризатор).
  • depthwise_constraint: Функция ограничения, применяемая к матрице кернела по глубине (см. ограничения).
  • pointwise_constraint: Функция ограничения, применяемая к матрице кернела по глубине (см. ограничения).
  • bias_constraint: Функция ограничения применяется к вектору смещения (см. ограничения).

Форма ввода

4D тензор с формой: (batch, channels, rows, cols) если data_format это «channels_first» или 4D тензор с формой: (batch, rows, cols, channels) если data_format это «channels_last».

Форма вывода

4D тензор с формой: (batch, filters, new_rows, new_cols) если data_format это «channels_first» или 4D тензор с формой: (batch, new_rows, new_cols, filters) если data_format это «channels_last». Значения rows и cols могли измениться из-за пэддинга (подкладки).

[source]

DepthwiseConv2D

keras.layers.DepthwiseConv2D(kernel_size, strides=(1, 1), padding=’valid’, depth_multiplier=1, data_format=None, dilation_rate=(1, 1), activation=None, use_bias=True, depthwise_initializer=’glorot_uniform’, bias_initializer=’zeros’, depthwise_regularizer=None, bias_regularizer=None, activity_regularizer=None, depthwise_constraint=None, bias_constraint=None)

Глубинная 2D свертка.

Depthwise свертка выполняет только первый шаг пространственной свертки (которая действует на каждом входном канале в отдельности). Аргумент depth_multiplier контролирует, сколько выходных каналов генерируется в каждом входном канале на шаге по глубине.

Аргументы

  • kernel_size: Целое число или кортеж/список из 2-х целых чисел, задающих высоту и ширину окна 2D свертки. Может быть одним целым числом, задающим одно и то же значение для всех пространственных измерений.
  • strides: Целое число или кортеж/список из 2-х целых чисел, задающих шаги свертки по высоте и ширине. Может быть одним целым числом, задающим одно и то же значение для всех пространственных измерений. Указание любого значения шага != 1 несовместимо с указанием любого значения шага != 1.
  • padding: одна из «действительных» или «одинаковых» (нечувствительных к регистру).
  • depth_multiplier: Количество каналов вывода в виде сверток по глубине для каждого входного канала. Общее количество выходных каналов по глубинной свертке будет равно filters_в * глубина_множителя.
  • data_format: Строка, одна из «channels_last» или «channels_first». Порядок следования размеров на входах. «channels_last» соответствует входам с формой (пакетный, высота, ширина, каналы), а «channels_first» соответствует входам с формой (пакетный, каналы, высота, ширина). По умолчанию значением параметра image_data_format, найденным в вашем конфигурационном файле Keras, является ~/.keras/keras.json. Если вы никогда не устанавливали его, то это будет ‘channels_last’.
  • dilation_rate: целое число или кортеж/список из 2-х целых чисел, с указанием скорости расширения, используемой для расширенной свертки. Может быть одним целым числом, задающим одно и то же значение для всех пространственных измерений. В настоящее время указание любого значения коэффициента расширения != 1 несовместимо с указанием любого значения шага != 1.
  • activation: Функция активации для использования (см. активации). Если ничего не указывать, активация не применяется (т.е. «линейная» активация: a(x) = x).
  • use_bias: Boolean, использует ли слой вектор смещения.
  • depthwise_initializer: Инициализатор для матрицы глубинного ядра (см. инициализаторы).
  • bias_initializer: Инициализатор для вектора смещения (см. инициализаторы).
  • depthwise_regularizer: Функция регулялизатора, применяемая к матрице кернела по глубине (см. регулялизатор).
  • bias_regularizer: Функция регуляризатора применяется к вектору смещения (см. регуляризатор).
  • activity_regularizer: Функция регулялизатора применяется к выходу слоя (его ‘активация’). (см. регуляризатор).
  • depthwise_constraint: Функция ограничения, применяемая к матрице кернела по глубине (см. ограничения).
  • bias_constraint: Функция ограничения, применяемая к вектору смещения (см. ограничения).

Форма ввода

4D тензор с формой: (batch, channels, rows, cols) если data_format это «channels_first» или 4D тензор с формой: (batch, rows, cols, channels) если data_format это «channels_last».

Форма вывода

4D тензор с формой: (batch, channels * depth_multiplier, new_rows, new_cols) если data_format это «channels_first» или 4D тензор с формой: (batch, new_rows, new_cols, channels * depth_multiplier) если data_format это «channels_last». Значения rows и cols могут измениться из-за пэддинга.

[source]

Conv2DTranspose

keras.layers.Conv2DTranspose(filters, kernel_size, strides=(1, 1), padding=’valid’, output_padding=None, 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)

Перемещенный слой свертки (иногда называемый деконволюцией).

Необходимость в транспонированных свертках обычно возникает при желании использовать преобразование, идущее в противоположном направлении от нормальной свертки, т.е. от того, что имеет форму вывода некоторой свертки, к тому, что имеет форму ее ввода, сохраняя при этом шаблон связности, совместимый с указанной сверткой.

При использовании этого слоя в качестве первого слоя в модели, предоставьте ключевой аргумент input_shape (кортеж целых чисел, не включает ось партии), например, input_shape=(128, 128, 3) для изображений размером 128×128 RGB в data_format=»channels_last».

Аргументы

  • filters: Целое, размерность выходного пространства (т.е. количество выходных фильтров в свертке).
  • kernel_size: Целое число или кортеж/перечень из 2-х целых чисел, задающих высоту и ширину окна 2D свертки. Может быть одним целым числом, задающим одно и то же значение для всех пространственных измерений.
  • strides: Целое число или кортеж/список из 2-х целых чисел, задающих шаги свертки по высоте и ширине. Может быть одним целым числом, задающим одно и то же значение для всех пространственных измерений. Указание любого значения шага != 1 несовместимо с указанием любого значения шага != 1.
  • padding: одна из «действительных» или «одинаковых» (нечувствительных к регистру).
  • output_padding: Целое число или кортеж/список из 2-х целых чисел, задающих количество отступов вдоль высоты и ширины выходного тензора. Может быть одним целым числом, задающим одно и то же значение для всех пространственных измерений. Количество выходной подкладки вдоль данного измерения должно быть меньше шага вдоль этого же измерения. Если установлено значение None (по умолчанию), то Форма вывода выводится.
  • data_format: Строка, одна из «channels_last» или «channels_first». Порядок следования размеров на входах. «channels_last» соответствует входам с формой (пакетный, высота, ширина, каналы), а «channels_first» соответствует входам с формой (пакетный, каналы, высота, ширина). По умолчанию значением параметра image_data_format, найденным в вашем конфигурационном файле Keras, является ~/.keras/keras.json. Если вы никогда не устанавливали его, то это будет «channels_last».
  • dilation_rate: целое число или кортеж/список из 2-х целых чисел, с указанием скорости расширения, которую следует использовать для расширенной свертки. Может быть одним целым числом, задающим одно и то же значение для всех пространственных измерений. В настоящее время указание любого значения коэффициента расширения != 1 несовместимо с указанием любого значения шага != 1.
  • активация: Функция активации для использования (см. активации). Если ничего не указывать, активация не применяется (т.е. «линейная» активация: a(x) = x).
  • use_bias: Boolean, использует ли слой вектор смещения.
  • kernel_initializer: Инициализатор для матрицы весов кернела (см. инициализаторы).
  • bias_initializer: Инициализатор для вектора смещения (см. инициализаторы).
  • kernel_regularizer: Функция регулялизатора, применяемая к матрице весов кернела (см. регуляризатор).
  • bias_regularizer: Функция регуляризатора применяется к вектору смещения (см. регуляризатор).
  • activity_regularizer: Функция регулялизатора применяется к выходу слоя (его «активация»). (см. регуляризатор).
  • kernel_constraint: Функция ограничения, применяемая к матрице кернела (см. ограничения).
  • bias_constraint: Функция ограничения, применяемая к вектору смещения (см. ограничения).

Форма ввода

4D тензор с формой: (batch, channels, rows, cols) если data_format это «channels_first» или 4D тензор с формой: (batch, rows, cols, channels) если data_format это «channels_last».

Форма вывода

4D тензор с формой: (batch, filters, new_rows, new_cols) если data_format это «channels_first» или 4D тензор с формой: (batch, new_rows, new_cols, filters) если data_format это «channels_last». Значения rows и cols могли измениться из-за пэддинга. Если output_padding определен:

new_rows = ((rows — 1) * strides[0] + kernel_size[0]

            — 2 * padding[0] + output_padding[0])

new_cols = ((cols — 1) * strides[1] + kernel_size[1]

            — 2 * padding[1] + output_padding[1])

Ссылки

  • Руководство по сверточной арифметике для глубокого обучение
  • Деконволюционные сети

[source]

Conv3D

keras.layers.Conv3D(filters, kernel_size, strides=(1, 1, 1), padding=’valid’, data_format=None, dilation_rate=(1, 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)

Слой 3D свертки (например, пространственная свертка по объему).

Этот слой создает ядро свертки, которое свертывается со входом слоя для получения десятка выходов. Если значение параметра use_bias равно True, то создается и добавляется к выходным данным вектор смещения. Наконец, если активация не параметр None, он применяется и к выходным данным.

При использовании этого слоя в качестве первого слоя в модели, задайте ключевой аргумент input_shape (кортеж целых чисел, не включает ось партии), например, input_shape=(128, 128, 128, 1) для томов 128x128x128 с одним каналом, в data_format=»channels_last».

Аргументы

  • filters: Целое, размерность выходного пространства (т.е. количество выходных фильтров в свертке).
  • kernel_size: Целое число или кортеж/перечень из 3-х целых чисел, задающих глубину, высоту и ширину окна 3D свертки. Может быть одним целым числом, задающим одно и то же значение для всех пространственных измерений.
  • strides: Целое число или кортеж/список из 3-х целых чисел, задающих шаги свертки вдоль каждого пространственного измерения. Может быть одним целым числом, задающим одно и то же значение для всех пространственных измерений. Указание любого значения шага != 1 несовместимо с указанием любого значения шага != 1.
  • padding: одна из «действительных» или «одинаковых» (нечувствительных к регистру).
  • data_format: Строка, одна из «channels_last» или «channels_first». Порядок следования размеров на входах. «channels_last» соответствует входам с формой (пакетный, spatial_dim1, spatial_dim2, spatial_dim3, каналы), а «channels_first» соответствует входам с формой (пакетный, каналы, spatial_dim1, spatial_dim2, spatial_dim3). По умолчанию значением параметра image_data_format, найденным в вашем конфигурационном файле Keras, является ~/.keras/keras.json. Если вы никогда не устанавливали его, то это будет «channels_last».
  • dilation_rate: целое число или кортеж/список из 3-х целых чисел, с указанием скорости расширения, которую следует использовать для расширенной свертки. Может быть одним целым числом, задающим одно и то же значение для всех пространственных измерений. В настоящее время указание любого значения коэффициента расширения != 1 несовместимо с указанием любого значения шага != 1.
  • activation: Функция активации для использования (см. активации). Если ничего не указывать, активация не применяется (т.е. «линейная» активация: a(x) = x).
  • use_bias: Boolean, использует ли слой вектор смещения.
  • kernel_initializer: Инициализатор для матрицы весов кернела (см. инициализаторы).
  • bias_initializer: Инициализатор для вектора смещения (см. инициализаторы).
  • kernel_regularizer: Функция регулялизатора, применяемая к матрице весов кернела (см. регуляризатор).
  • bias_regularizer: Функция регуляризатора применяется к вектору смещения (см. регуляризатор).
  • activity_regularizer: Функция регулялизатора применяется к выходу слоя (его «активация»). (см. регуляризатор).
  • kernel_constraint: Функция ограничения, применяемая к матрице кернела (см. ограничения).
  • bias_constraint: Функция ограничения, применяемая к вектору смещения (см. ограничения).

Форма ввода

5D тензор с формой:: (batch, channels, conv_dim1, conv_dim2, conv_dim3) если data_format это «channels_first» или 5D тензор с формой:: (batch, conv_dim1, conv_dim2, conv_dim3, channels) если data_format это «channels_last».

Форма вывода

5D тензор с формой:: (batch, filters, new_conv_dim1, new_conv_dim2, new_conv_dim3) если data_format это «channels_first» или 5D тензор с формой: (batch, new_conv_dim1, new_conv_dim2, new_conv_dim3, filters) если data_format это «channels_last». Значения new_conv_dim1, new_conv_dim2 и new_conv_dim3 могли измениться из-за пэддинга.

[source]

Conv3DTranspose

keras.layers.Conv3DTranspose(filters, kernel_size, strides=(1, 1, 1), padding=’valid’, output_padding=None, data_format=None, 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)

Транспонированный слой свертки (иногда называемый деконволюцией).

Необходимость в транспонированных свертках обычно возникает при желании использовать преобразование, идущее в противоположном направлении от нормальной свертки, т.е. от того, что имеет форму вывода некоторой свертки, к тому, что имеет форму ее ввода, сохраняя при этом шаблон связности, совместимый с указанной сверткой.

При использовании этого слоя в качестве первого слоя в модели, предоставьте ключевой аргумент input_shape (кортеж целых чисел, не включает ось партии), например, input_shape=(128, 128, 128, 3) для тома 128x128x128 с 3 каналами, если data_format=»channels_last».

Аргументы

  • filters: Целое, размерность выходного пространства (т.е. количество выходных фильтров в свертке).
  • kernel_size: Целое число или кортеж/перечень из 3-х целых чисел, задающих глубину, высоту и ширину окна 3D свертки. Может быть одним целым числом, задающим одно и то же значение для всех пространственных измерений.
  • strides: Целое число или кортеж/список из 3-х целых чисел, задающих шаги свертки по глубине, высоте и ширине. Может быть одним целым числом, задающим одно и то же значение для всех пространственных измерений. Указание любого значения шага != 1 несовместимо с указанием любого значения шага != 1.
  • padding: одна из «действительных» или «одинаковых» (не чувствительных к регистру).
  • output_padding: Целое число или кортеж/перечень из 3-х целых чисел, определяющих количество отступов вдоль глубины, высоты и ширины. Может быть одним целым числом, задающим одно и то же значение для всех пространственных измерений. Количество выходной подкладки вдоль данного измерения должно быть меньше шага вдоль этого же измерения. Если установлено значение None (по умолчанию), то Форма вывода выводится.
  • data_format: Строка, одна из «channels_last» или «channels_first». Порядок следования размеров на входах. «channels_last» соответствует входам с формой (пакетный, глубина, высота, ширина, каналы), а «channels_first» соответствует входам с формой (пакетный, каналы, глубина, высота, ширина). По умолчанию значением параметра image_data_format, найденным в вашем конфигурационном файле Keras, является ~/.keras/keras.json. Если вы никогда не устанавливали его, то это будет «channels_last».
  • dilation_rate: целое число или кортеж/список из 3-х целых чисел, с указанием скорости расширения, которую следует использовать для расширенной свертки. Может быть одним целым числом, задающим одно и то же значение для всех пространственных измерений. В настоящее время указание любого значения коэффициента расширения != 1 несовместимо с указанием любого значения шага != 1.
  • activation: Функция активации для использования (см. активации). Если ничего не указывать, активация не применяется (т.е. «линейная» активация: a(x) = x).
  • use_bias: Boolean, использует ли слой вектор смещения.
  • kernel_initializer: Инициализатор для матрицы весов кернела (см. инициализаторы).
  • bias_initializer: Инициализатор для вектора смещения (см. инициализаторы).
  • kernel_regularizer: Функция регулялизатора, применяемая к матрице весов кернела (см. регуляризатор).
  • bias_regularizer: Функция регуляризатора применяется к вектору смещения (см. регуляризатор).
  • activity_regularizer: Функция регулялизатора применяется к выходу слоя (его «активация»). (см. регуляризатор).
  • kernel_constraint: Функция ограничения, применяемая к матрице кернела (см. ограничения).
  • bias_constraint: Функция ограничения, применяемая к вектору смещения (см. ограничения).

Форма ввода

5D тензор с формой: (batch, channels, depth, rows, cols) если data_format это «channels_first» или 5D тензор с формой:: (batch, depth, rows, cols, channels) если data_format это «channels_last».

Форма вывода

5D тензор с формой:: (batch, filters, new_depth, new_rows, new_cols) если data_format это «channels_first» или 5D тензор с формой:: (batch, new_depth, new_rows, new_cols, filters) если data_format это «channels_last». Значения depth и rows и cols могли измениться из-за пэддинга. Если output_padding определен:

new_depth = ((depth — 1) * strides[0] + kernel_size[0]

             — 2 * padding[0] + output_padding[0])

new_rows = ((rows — 1) * strides[1] + kernel_size[1]

            — 2 * padding[1] + output_padding[1])

new_cols = ((cols — 1) * strides[2] + kernel_size[2]

            — 2 * padding[2] + output_padding[2])

Ссылки

  • Руководство по сверточной арифметике для глубокого обучения
  • Деконволюционные сети

[source]

Cropping1D

keras.layers.Cropping1D(cropping=(1, 1))

Кадрирующий слой для 1D ввода (например, временная последовательность).

Кадрирует по временному измерению (ось 1).

Аргументы

  • cropping:  int или кортеж int (длина 2) Сколько единиц необходимо обрезать в начале и в конце размера обрезки (ось 1). Если предусмотрена одна единица int, то для обеих будет использовано одно и то же значение.

Форма ввода

3D тензор с формой (batch, axis_to_crop, features)

Форма вывода

3D тензор с формой (batch, cropped_axis, features)

[source]

Cropping2D

keras.layers.Cropping2D(cropping=((0, 0), (0, 0)), data_format=None)

Кадрирующий слой для 2D ввода (например, изображение).

Обрезает по пространственным размерам, т.е. по высоте и ширине.

Аргументы

  • cropping: int, или кортеж 2 дюймов, или кортеж 2 кортежей 2 дюймов.
  • If int: то же симметричное обрезание применяется к высоте и ширине.
  • If tuple of 2 ints: интерпретируется как два разных значения симметричного обрезки для высоты и ширины: (symmetric_height_crop, symmetric_width_crop).
  • If tuple of 2 tuples of 2 ints: интерпретируется как ((top_crop, bottom_crop), (left_crop, right_crop)).
  • data_format: Строка, одна из «channels_last» или «channels_first». Порядок следования размеров на входах. «channels_last» соответствует входам с формой (пакетный, высота, ширина, каналы), а «channels_first» соответствует входам с формой (пакетный, каналы, высота, ширина). По умолчанию значением параметра image_data_format, найденным в вашем конфигурационном файле Keras, является ~/.keras/keras.json. Если вы никогда не устанавливали его, то это будет «channels_last».

Форма ввода

4D тензор с формой: — Если data_format это «channels_last»: (batch, rows, cols, channels) — Если data_format это «channels_first»: (batch, channels, rows, cols)

Форма вывода

4D тензор с формой: — Если data_format это «channels_last»: (batch, cropped_rows, cropped_cols, channels) — Если data_format это «channels_first»: (batch, channels, cropped_rows, cropped_cols)

Примеры 

# Обрезаем входные 2D-изображения или карты характеристик.

model = Sequential()

model.add(Cropping2D(cropping=((2, 2), (4, 4)),

                     input_shape=(28, 28, 3)))# теперь model.output_shape == (None, 24, 20, 3)

model.add(Conv2D(64, (3, 3), padding=’same’))

model.add(Cropping2D(cropping=((2, 2), (2, 2))))# теперь model.output_shape == (None, 20, 16, 64)

[source]

Cropping3D

keras.layers.Cropping3D(cropping=((1, 1), (1, 1), (1, 1)), data_format=None)

Кадрирующий слой для 3D данных (например, пространственных или пространственно-временных).

Аргументы

  • cropping: int, или кортеж 3 дюймов, или кортеж 3 кортежей 2 дюймов.
  • If int: то же самое симметричное обрезка применяется для глубины, высоты и ширины.
  • If tuple of 3 ints: интерпретируется как три различных значения симметричного обрезки для глубины, высоты и width: (symmetric_dim1_crop, symmetric_dim2_crop, symmetric_dim3_crop).
  • If tuple of 3 tuples of 2 ints: интерпретируется как ((left_dim1_crop, right_dim1_crop), (left_dim2_crop, right_dim2_crop), (left_dim3_crop, right_dim3_crop)).
  • data_format: Строка, одна из «channels_last» или «channels_first». Порядок следования размеров на входах. «channels_last» соответствует входам с формой (пакетный, spatial_dim1, spatial_dim2, spatial_dim3, каналы), а «channels_first» соответствует входам с формой (пакетный, каналы, spatial_dim1, spatial_dim2, spatial_dim3). По умолчанию значением параметра image_data_format, найденным в вашем конфигурационном файле Keras, является ~/.keras/keras.json. Если вы никогда не устанавливали его, то это будет «channels_last».

Форма ввода

5D тензор с формой:: — If data_format is «channels_last»: (batch, first_axis_to_crop, second_axis_to_crop, third_axis_to_crop, depth) — If data_format is «channels_first»: (batch, depth, first_axis_to_crop, second_axis_to_crop, third_axis_to_crop)

Форма вывода

5D тензор с формой:: — Если data_format это «channels_last»: (batch, first_cropped_axis, second_cropped_axis, third_cropped_axis, depth) — Если data_format это «channels_first»: (batch, depth, first_cropped_axis, second_cropped_axis, third_cropped_axis)

[source]

UpSampling1D

keras.layers.UpSampling1D(size=2)

Слой повышения дискретности (Апсэмплинг) для 1D-входов.

Повторяет время каждого временного шага по оси времени.

Аргументы

  • size: целое. Коэффициент апсэмплинга.

Форма ввода

3D тензор с формой: (batch, steps, features).

Форма вывода

3D тензор с формой: (batch, upsampled_steps, features).

[source]

UpSampling2D

keras.layers.UpSampling2D(size=(2, 2), data_format=None, interpolation=’nearest’)

Слой повышения дискретности (Апсэмплинг) для 2D-входов.

Повторяет строки и столбцы данных по size[0] и size[1] соответственно.

Аргументы

  • size: int, или кортеж из 2-х целых чисел. Коэффициенты выборки для строк и столбцов.
  • data_format: Строка, одна из «channels_last» или «channels_first». Порядок следования размеров во входных данных. «channels_last» соответствует входам с формой (пакет, высота, ширина, каналы), а «channels_first» соответствует входам с формой (пакет, каналы, высота, ширина). По умолчанию значением параметра image_data_format, найденным в вашем конфигурационном файле Keras, является ~/.keras/keras.json. Если вы никогда не устанавливали его, то это будет «channels_last».
  • interpolation: Строка, одна из ближайших или билинейных. Обратите внимание, что CNTK пока не поддерживает билинейное масштабирование, а с Theano возможно только size=(2, 2).

Форма ввода

4D тензор с формой: — Если data_format это «channels_last»: (batch, rows, cols, channels) — Если data_format это «channels_first»: (batch, channels, rows, cols)

Форма вывода

4D тензор с формой: — Если data_format это «channels_last»: (batch, upsampled_rows, upsampled_cols, channels) — Если data_format это «channels_first»: (batch, channels, upsampled_rows, upsampled_cols)

[source]

UpSampling3D

keras.layers.UpSampling3D(size=(2, 2, 2), data_format=None)

Слой повышения дискретности для 3D-входов.

Повторяет 1-е, 2-е и 3-е измерение данных по size[0], size[1] и size[2] соответственно.

Аргументы

  • size: int, или кортеж из 3 целых чисел. Коэффициенты апсэмплинга для dim1, dim2 и dim3.
  • data_format: Строка, одна из «channels_last» или «channels_first». Порядок следования размеров на входах. «channels_last» соответствует входам с формой (пакетный, spatial_dim1, spatial_dim2, spatial_dim3, каналы), а «channels_first» соответствует входам с формой (пакетный, каналы, spatial_dim1, spatial_dim2, spatial_dim3). По умолчанию значением параметра image_data_format, найденным в вашем конфигурационном файле Keras в ~/.keras/keras.json, является ~/.keras/keras.json. Если вы никогда не устанавливали его, то это будет «channels_last».

Форма ввода

5D тензор с формой:: — Если data_format это «channels_last»: (batch, dim1, dim2, dim3, channels) — Если data_format это «channels_first»: (batch, channels, dim1, dim2, dim3)

Форма вывода

5D тензор с формой:: — Если data_format это «channels_last»: (batch, upsampled_dim1, upsampled_dim2, upsampled_dim3, channels) — Если data_format это «channels_first»: (batch, channels, upsampled_dim1, upsampled_dim2, upsampled_dim3)

[source]

ZeroPadding1D

keras.layers.ZeroPadding1D(padding=1)

Слой с нулевым пэддингом для 1D входа (например, временная последовательность).

Аргументы

padding: int, или кортеж int (длина 2), или словарь.

If int: Сколько нулей нужно добавить в начале и в конце измерения пэддинга (ось 1).

If tuple of int (length 2): Сколько нулей добавлять в начале и в конце измерения пэддинга((left_pad, right_pad)).

Форма ввода

3D тензор с формой (batch, axis_to_pad, features)

Форма вывода

3D тензор с формой (batch, padded_axis, features)

[source]

ZeroPadding2D

keras.layers.ZeroPadding2D(padding=(1, 1), data_format=None)

Слой нулевого пэддинга для 2D-входа (например, изображение).

Этот слой может добавлять строки и столбцы нулей сверху, снизу, слева и справа от тензора изображения.

Аргументы

  • padding: int, или кортеж 2 int, или кортеж 2 кортежей 2 int.

If int: одинаковый симметричный пэддинг применяется к высоте и ширине.

If tuple of 2 ints: интерпретируется как два различных симметричных значения пэддинга для высоты и ширины: (symmetric_height_pad, symmetric_width_pad).

If tuple of 2 tuples of 2 ints: интерпретируется как ((top_pad, bottom_pad), (left_pad, right_pad))

  • data_format: Строка, одна из «channels_last» или «channels_first». Порядок следования размеров на входах. «channels_last» соответствует входам с формой (пакетный, высота, ширина, каналы), а «channels_first» соответствует входам с формой (пакетный, каналы, высота, ширина). По умолчанию значением параметра image_data_format, найденным в вашем конфигурационном файле Keras, является ~/.keras/keras.json. Если вы никогда не устанавливали его, то это будет «channels_last»..

Форма ввода

4D тензор с формой: — Если data_format это «channels_last»: (batch, rows, cols, channels) — Если data_format это «channels_first»: (batch, channels, rows, cols)

Форма вывода

4D тензор с формой: — Если data_format это «channels_last»: (batch, padded_rows, padded_cols, channels) — Если data_format это «channels_first»: (batch, channels, padded_rows, padded_cols)

[source]

ZeroPadding3D

keras.layers.ZeroPadding3D(padding=(1, 1, 1), data_format=None)

Слой нулевого пэддинга для 3D данных (пространственных или пространственно-временных).

Аргументы

  • padding: int, или кортеж 3 ints, или кортеж 3 кортежей 2 ints.

If int: одинаковый симметричный пэддинг применяется к высоте и ширине.

If tuple of 3 ints: интерпретируется как три различных симметричных значения пэддинга для глубины, высоты и ширины: (symmetric_dim1_pad, symmetric_dim2_pad, symmetric_dim3_pad).

If tuple of 3 tuples of 2 ints: интерпретируется как ((left_dim1_pad, right_dim1_pad), (left_dim2_pad, right_dim2_pad), (left_dim3_pad, right_dim3_pad))

  • data_format: Строка, одна из «channels_last» или «channels_first». Порядок следования размеров на входах. «channels_last» соответствует входам с формой (пакетный, spatial_dim1, spatial_dim2, spatial_dim3, каналы), а «channels_first» соответствует входам с формой (пакетный, каналы, spatial_dim1, spatial_dim2, spatial_dim3). По умолчанию значением параметра image_data_format, найденным в вашем конфигурационном файле Keras в ~/.keras/keras.json, является ~/.keras/keras.json. Если вы никогда не устанавливали его, то это будет «channels_last».

Форма ввода

5D тензор с формой:: — Если data_format это «channels_last»: (batch, first_axis_to_pad, second_axis_to_pad, third_axis_to_pad, depth) — Если data_format это «channels_first»: (batch, depth, first_axis_to_pad, second_axis_to_pad, third_axis_to_pad)

Форма вывода

5D тензор с формой:: — Если data_format это «channels_last»: (batch, first_padded_axis, second_padded_axis, third_axis_to_pad, depth) — Если data_format это «channels_first»: (batch, depth, first_padded_axis, second_padded_axis, third_axis_to_pad)