Класс Conv2D

Класс Conv2D создает слой двумерной свертки. Такой слой применяется к двумерным данным, например, к изображениям, и извлекает из них локальные признаки. Первым параметром передается число фильтров filters, вторым - размер ядра свертки kernel_size. Также можно указать шаг свертки strides, тип дополнения padding и функцию активации activation.

Синтаксис

tf.keras.layers.Conv2D(
	filters,
	kernel_size,
	strides=(1, 1),
	padding="valid",
	activation=None
)

Пример

Давайте создадим слой свертки с четырьмя фильтрами и ядром размера 3 на 3 и применим его к тензор�� изображения:

import tensorflow as tf

tf.random.set_seed(0)

layer = tf.keras.layers.Conv2D(filters=4, kernel_size=(3, 3))
t = tf.constant([[[[1], [2], [3]],
	[[4], [5], [6]],
	[[7], [8], [9]]]])
res = layer(t)
print(res.shape)

Результат выполнения кода:

(1, 1, 1, 4)

Пример

Давайте создадим слой свертки с функцией активации relu и дополнением same, чтобы размер выхода совпадал с размером входа:

import tensorflow as tf

tf.random.set_seed(0)

layer = tf.keras.layers.Conv2D(
	filters=2,
	kernel_size=(3, 3),
	padding="same",
	activation="relu"
)
t = tf.constant([[[[1], [2], [3]],
	[[4], [5], [6]],
	[[7], [8], [9]]]])
res = layer(t)
print(res.shape)

Результат выполнения кода:

(1, 3, 3, 2)

Пример

Давайте создадим слой свертки с шагом 2 и применим его к тензору с тремя каналами:

import tensorflow as tf

tf.random.set_seed(0)

layer = tf.keras.layers.Conv2D(
	filters=8,
	kernel_size=(3, 3),
	strides=(2, 2)
)
t = tf.constant([[[[1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3]],
	[[4, 5, 6], [7, 8, 9], [1, 2, 3], [4, 5, 6]],
	[[7, 8, 9], [1, 2, 3], [4, 5, 6], [7, 8, 9]],
	[[1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3]]]])
res = layer(t)
print(res.shape)

Результат выполнения кода:

(1, 1, 1, 8)

Пример

Давайте встроим слой свертки в последовательную модель и выведем сводку по ней:

import tensorflow as tf

tf.random.set_seed(0)

model = tf.keras.Sequential([
	tf.keras.layers.Input(shape=(4, 4, 1)),
	tf.keras.layers.Conv2D(filters=2, kernel_size=(3, 3)),
	tf.keras.layers.Flatten(),
	tf.keras.layers.Dense(units=1)
])
model.summary()
	<-python+>

Результат выполнения кода:

"Model: \"sequential\""

Смотрите также

слой Conv1D,
который создает одномерную свертку
слой Conv3D,
который создает трехмерную свертку
слой Conv2DTranspose,
который выполняет обратную свертку
слой MaxPooling2D,
который выполняет двумерную субдискретизацию