• Docs ?

• Layers ?

• 局部連接層 Locally-connected

• Edit on GitHub

[source]

LocallyConnected1D

keras.layers.LocallyConnected1D(filters, kernel_size, strides=1, padding='valid', 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)

1D 輸入的局部連接層。

LocallyConnected1D 層與 Conv1D 層的工作方式相同，除了權(quán)值不共享外， 也就是說(shuō)，在輸入的每個(gè)不同部分應(yīng)用不同的一組過(guò)濾器。

例子

# 將長(zhǎng)度為 3 的非共享權(quán)重 1D 卷積應(yīng)用于
# 具有 10 個(gè)時(shí)間步長(zhǎng)的序列，并使用 64個(gè) 輸出濾波器
model = Sequential()
model.add(LocallyConnected1D(64, 3, input_shape=(10, 32)))
# 現(xiàn)在 model.output_shape == (None, 8, 64)
# 在上面再添加一個(gè)新的 conv1d
model.add(LocallyConnected1D(32, 3))
# 現(xiàn)在 model.output_shape == (None, 6, 32)

參數(shù)

• filters: 整數(shù)，輸出空間的維度 （即卷積中濾波器的輸出數(shù)量）。
• kernel_size: 一個(gè)整數(shù)，或者單個(gè)整數(shù)表示的元組或列表， 指明 1D 卷積窗口的長(zhǎng)度。
• strides: 一個(gè)整數(shù)，或者單個(gè)整數(shù)表示的元組或列表， 指明卷積的步長(zhǎng)。 指定任何 stride 值 != 1 與指定 dilation_rate 值 != 1 兩者不兼容。
• padding: 當(dāng)前僅支持 "valid" (大小寫敏感)。 "same" 可能會(huì)在未來(lái)支持。
• activation: 要使用的激活函數(shù) (詳見 activations)。 如果你不指定，則不使用激活函數(shù) (即線性激活： a(x) = x)。
• use_bias: 布爾值，該層是否使用偏置向量。
• kernel_initializer: kernel 權(quán)值矩陣的初始化器 (詳見 initializers)。
• bias_initializer: 偏置向量的初始化器 (詳見 initializers)。
• kernel_regularizer: 運(yùn)用到 kernel 權(quán)值矩陣的正則化函數(shù) (詳見 regularizer)。
• bias_regularizer: 運(yùn)用到偏置向量的正則化函數(shù) (詳見 regularizer)。
• activity_regularizer: 運(yùn)用到層輸出（它的激活值）的正則化函數(shù) (詳見 regularizer)。
• kernel_constraint: 運(yùn)用到 kernel 權(quán)值矩陣的約束函數(shù) (詳見 constraints)。
• bias_constraint: 運(yùn)用到偏置向量的約束函數(shù) (詳見 constraints)。

輸入尺寸

3D 張量，尺寸為： (batch_size, steps, input_dim)。

輸出尺寸

3D 張量 ，尺寸為：(batch_size, new_steps, filters)， steps 值可能因填充或步長(zhǎng)而改變。

[source]

LocallyConnected2D

keras.layers.LocallyConnected2D(filters, kernel_size, strides=(1, 1), padding='valid', 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)

2D 輸入的局部連接層。

LocallyConnected2D 層與 Conv2D 層的工作方式相同，除了權(quán)值不共享外， 也就是說(shuō)，在輸入的每個(gè)不同部分應(yīng)用不同的一組過(guò)濾器。

例子

# 在 32x32 圖像上應(yīng)用 3x3 非共享權(quán)值和64個(gè)輸出過(guò)濾器的卷積
# 數(shù)據(jù)格式 `data_format="channels_last"`：
model = Sequential()
model.add(LocallyConnected2D(64, (3, 3), input_shape=(32, 32, 3)))
# 現(xiàn)在 model.output_shape == (None, 30, 30, 64)
# 注意這一層的參數(shù)數(shù)量為 (30*30)*(3*3*3*64) + (30*30)*64

# 在上面再加一個(gè) 3x3 非共享權(quán)值和 32 個(gè)輸出濾波器的卷積：
model.add(LocallyConnected2D(32, (3, 3)))
# 現(xiàn)在 model.output_shape == (None, 28, 28, 32)

參數(shù)

• filters: 整數(shù)，輸出空間的維度 （即卷積中濾波器的輸出數(shù)量）。
• kernel_size: 一個(gè)整數(shù)，或者 2 個(gè)整數(shù)表示的元組或列表， 指明 2D 卷積窗口的寬度和高度。 可以是一個(gè)整數(shù)，為所有空間維度指定相同的值。
• strides: 一個(gè)整數(shù)，或者 2 個(gè)整數(shù)表示的元組或列表， 指明卷積沿寬度和高度方向的步長(zhǎng)。 可以是一個(gè)整數(shù)，為所有空間維度指定相同的值。
• padding: 當(dāng)前僅支持 "valid" (大小寫敏感)。 "same" 可能會(huì)在未來(lái)支持。
• data_format: 字符串， channels_last (默認(rèn)) 或 channels_first 之一。 輸入中維度的順序。 channels_last 對(duì)應(yīng)輸入尺寸為 (batch, height, width, channels)， channels_first 對(duì)應(yīng)輸入尺寸為 (batch, channels, height, width)。 它默認(rèn)為從 Keras 配置文件 ~/.keras/keras.json 中 找到的 image_data_format 值。 如果你從未設(shè)置它，將使用 "channels_last"。
• activation: 要使用的激活函數(shù) (詳見 activations)。 如果你不指定，則不使用激活函數(shù) (即線性激活： a(x) = x)。
• use_bias: 布爾值，該層是否使用偏置向量。
• kernel_initializer: kernel 權(quán)值矩陣的初始化器 (詳見 initializers)。
• bias_initializer: 偏置向量的初始化器 (詳見 initializers)。
• kernel_regularizer: 運(yùn)用到 kernel 權(quán)值矩陣的正則化函數(shù) (詳見 regularizer)。
• bias_regularizer: 運(yùn)用到偏置向量的正則化函數(shù) (詳見 regularizer)。
• activity_regularizer: 運(yùn)用到層輸出（它的激活值）的正則化函數(shù) (詳見 regularizer)。
• kernel_constraint: 運(yùn)用到 kernel 權(quán)值矩陣的約束函數(shù) (詳見 constraints)。
• bias_constraint: 運(yùn)用到偏置向量的約束函數(shù) (詳見 constraints)。

輸入尺寸

4D 張量，尺寸為： (samples, channels, rows, cols)，如果 data_format='channels_first'； 或者 4D 張量，尺寸為： (samples, rows, cols, channels)，如果 data_format='channels_last'。

輸出尺寸

4D 張量，尺寸為： (samples, filters, new_rows, new_cols)，如果 data_format='channels_first'； 或者 4D 張量，尺寸為： (samples, new_rows, new_cols, filters)，如果 data_format='channels_last'。 rows 和 cols 的值可能因填充而改變。