Keras中如何实现自定义卷积层？

本文共计1339个文字，预计阅读时间需要6分钟。

卷积层+创建卷积层+首先导入keras中的模块+from keras.layers import Conv2D+卷积层的格式及参数：+Conv2D(filters, kernel_size, strides, padding, activation='relu', input_shape)+filters：过滤器数量+kernel_size：指定“

卷积层

创建卷积层

首先导入keras中的模块

from keras.layers import Conv2D

卷积层的格式及参数：

Conv2D(filters, kernel_size, strides, padding, activation='relu', input_shape)

filters: 过滤器数量

kernel_size：指定卷积窗口的高和宽的数字

strides: 卷积stride，如果不指定任何值，则strides设为1

padding: 选项包括'valid'和'same'，默认值为'valid'

activation: 通常为'relu'，如果不指定任何值，则不应用任何激活函数，通常应该向网络中每个卷积层添加一个Relu激活函数

如果卷积层出现在输入层之后，必须提供另一个input_shape参数：

input_shape: 指定输入的高度、宽度和深度的元组；如果卷积层不是网络的第一个层级，则不应该包含input_shape参数。