TensorFlow函數(shù)：tf.layers.separable_conv1d

tf.layers.separable_conv1d函數(shù)

tf.layers.separable_conv1d(
    inputs,
    filters,
    kernel_size,
    strides=1,
    padding='valid',
    data_format='channels_last',
    dilation_rate=1,
    depth_multiplier=1,
    activation=None,
    use_bias=True,
    depthwise_initializer=None,
    pointwise_initializer=None,
    bias_initializer=tf.zeros_initializer(),
    depthwise_regularizer=None,
    pointwise_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    depthwise_constraint=None,
    pointwise_constraint=None,
    bias_constraint=None,
    trainable=True,
    name=None,
    reuse=None
)

定義在：tensorflow/python/layers/convolutional.py.

深度(depthwise)可分離1D卷積層的功能接口.

該層執(zhí)行深度(depthwise)卷積,分別對通道起作用,然后是混合通道的逐點(diǎn)卷積.如果use_bias為True且提供了一個偏置初始值設(shè)定項(xiàng),則會向輸出添加一個偏置向量.然后它可選地應(yīng)用激活函數(shù)來產(chǎn)生最終輸出.

參數(shù)：

• inputs：輸入張量.
• filters：整數(shù),表示輸出空間的維數(shù)(即卷積中的濾波器數(shù)).
• kernel_size：一個整數(shù),用于指定過濾器的空間維度.
• strides：一個整數(shù),用于指定卷積的步幅.指定任何stride值！= 1與指定任何dilation_rate值！= 1都不相容.
• padding：可以是一個"valid"或"same"(不區(qū)分大小寫).
• data_format：一個字符串,可以是一個channels_last(默認(rèn))或channels_first,表示輸入中維度的順序；channels_last對應(yīng)于具有形狀(batch, length, channels)的輸入,而channels_first對應(yīng)于具有形狀(batch, channels, length)的輸入.
• dilation_rate：單個整數(shù),指定用于擴(kuò)張卷積的擴(kuò)張率；目前,指定任何dilation_rate值！= 1與指定任何步幅值！= 1都不相容.
• depth_multiplier：每個輸入通道的深度卷積輸出通道數(shù),深度卷積輸出通道的總數(shù)將等于：num_filters_in * depth_multiplier.
• activation：激活功能.將其設(shè)置為“None”以保持線性激活.
• use_bias：Boolean,表示該層是否使用偏差.
• depthwise_initializer：深度卷積內(nèi)核的初始化程序.
• pointwise_initializer：逐點(diǎn)卷積內(nèi)核的初始化程序.
• bias_initializer：偏置向量的初始化器,如果為None,將使用默認(rèn)初始值設(shè)定項(xiàng).
• depthwise_regularizer：深度卷積內(nèi)核的可選正則化器.
• pointwise_regularizer：針對逐點(diǎn)卷積內(nèi)核的可選正則化器.
• bias_regularizer：偏置矢量的可選正則化器.
• activity_regularizer：輸出的可選正則化函數(shù).
• depthwise_constraint：可選投影函數(shù),在由Optimizer更新后應(yīng)用于深度內(nèi)核(例如,用于范數(shù)約束或?qū)訖?quán)重的值約束).該函數(shù)必須將未投影的變量作為輸入,并且必須返回投影變量(必須具有相同的形狀).在進(jìn)行異步分布式培訓(xùn)時,使用約束是不安全的.
• pointwise_constraint：由Optimizer更新后應(yīng)用于逐點(diǎn)內(nèi)核的可選投影函數(shù).
• bias_constraint：由Optimizer更新后應(yīng)用于偏差的可選投影函數(shù).
• trainable：Boolean,如果為True,還將變量添加到圖集合GraphKeys.TRAINABLE_VARIABLES(請參閱參考資料tf.Variable).
• name：字符串,圖層的名稱.
• reuse：Boolean,表示是否以同一名稱重用前一層的權(quán)重.

返回：

輸出張量.

可能引發(fā)的異常：

• ValueError：如果啟用了急切(eager)執(zhí)行.