【tensorflow】tf.layers.conv1d函数解析（一维卷积）

TensorFlow函数：tf.layers.Conv1D_w3cschool https://www.w3cschool.cn/tensorflow_python/tensorflow_python-283f2t0b.html

功能
1D卷积层(例如,时间卷积).
一维卷积一般用于处理文本数据，常用语自然语言处理中
定义:

tf.layers.conv1d(inputs,filters,kernel_size,strides=1,padding='valid',data_format='channels_last',dilation_rate=1,activation=None,use_bias=True,kernel_initializer=None,bias_initializer=tf.zeros_initializer(),kernel_regularizer=None,bias_regularizer=None,activity_regularizer=None,kernel_constraint=None,bias_constraint=None,trainable=True,name=None,reuse=None
)

参数：

filters：整数,输出空间的维数(即卷积中的滤波器数).
kernel_size：单个整数的整数或元组/列表,指定1D卷积窗口的长度.
strides：单个整数的整数或元组/列表,指定卷积的步幅.指定任何步幅(stride)值！=1与指定任何dilation_rate值都不相容！= 1.
padding：一个"valid"或"same"(不区分大小写).
data_format：一个字符串,可以是channels_last(默认)或channels_first；输入中维度的顺序；channels_last对应于具有形状(batch, length, channels)的输入,而channels_first对应于具有形状(batch, channels,length)的输入.
dilation_rate：单个整数的整数或元组/列表,指定用于扩张卷积的扩张率.目前,指定任何dilation_rate值！=1与指定任何strides值！= 1 不兼容.
activation：激活功能,将其设置为“None”以保持线性激活.
use_bias：Boolean,该层是否使用偏差.
kernel_initializer：卷积内核的初始化程序.
bias_initializer：偏置向量的初始化器,如果为None,将使用默认初始值设定项.
kernel_regularizer：卷积内核的可选正则化器.
bias_regularizer：偏置矢量的可选正则化器.
activity_regularizer：输出的可选正则化函数.
kernel_constraint：由Optimizer更新后应用于内核的可选投影函数(例如,用于实现层权重的范数约束或值约束)；该函数必须将未投影的变量作为输入,并且必须返回投影变量(必须具有相同的形状)；在进行异步分布式培训时,使用约束是不安全的.
bias_constraint：由Optimizer更新后应用于偏差的可选投影函数.
trainable：Boolean,如果为True,还将变量添加到图集合
GraphKeys.TRAINABLE_VARIABLES中(请参阅参考资料tf.Variable).
name：字符串,图层的名称.

————————————————
版权声明：下面例子为CSDN博主「生活不只*眼前的苟且」的原创文章，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/u011734144/article/details/84066928

比较重要的几个参数是inputs, filters, kernel_size，下面分别说明：

inputs : 输入tensor，维度(None, a, b) 是一个三维的tensor

None ：一般是填充样本的个数，batch_size
a ：句子中的词数或者字数
b : 字或者词的向量维度

filters : 过滤器的个数
kernel_size : 卷积核的大小，卷积核其实应该是一个二维的，这里只需要指定一维，是因为卷积核的第二维与输入的词向量维度是一致的，因为对于句子而言，卷积的移动方向只能是沿着词的方向，即只能在列维度移动

一个例子：

inputs = tf.placeholder(‘float’, shape=[None, 6, 8])
out = tf.layers.conv1d(inputs, 5, 3)

说明：对于一个样本而言，句子长度为6个字，字向量的维度为8

filters=5, kernel_size=3，所以卷积核的维度为3* 8

那么输入6 * 8经过3* 8的卷积核卷积后得到的是4*1的一个向量，其中(4=6-3+1)

又因为有5个过滤器，所以是得到5个4* 1的向量
画图如下：

【tensorflow】tf.layers.conv1d函数解析（一维卷积）相关推荐

深度学习 tensorflow tf.layers.conv2d_transpose 反卷积上采样
参数 conv2d_transpose( inputs, filters, kernel_size, strides=(1, 1), padding='valid', data_format='cha ...
TensorFlow tf.nn.conv2d是怎样实现卷积的？
[TensorFlow]tf.nn.conv2d是怎样实现卷积的? 原文:http://blog.csdn.net/mao_xiao_feng/article/details/78004522 实验环 ...
Tensorflow tf.layers
import tensorflow as tf 复制代码 /anaconda3/envs/py35/lib/python3.5/site-packages/h5py/__init__.py:36: F ...
【ROS学习】- tf学习 - tf中重要函数解析 (陆续更新....)
文章目录一.函数waitForTransform().lookupTransform() 具体解释二.函数 tf::StampedTransform().sendTransform() 具体解释 ...
python tensorflow tf.layers.max_pooling2d() 2维输入（例如图像）的最大池化层
from tensorflow\python\layers\pooling.py @tf_export('layers.max_pooling2d') def max_pooling2d(inputs ...
【Tensorflow2.0】tensorflow中的Dense函数解析
目录 1 作用 2 例子 3 与torch.nn.Linear的区别 4 参考文献 1 作用注意此处Tensorflow版本是2.0+. 由于本人是Pytorch用户,对Tensorflow不是很熟 ...
python tensorflow tf.Session().run()函数（运行操作并评估“fetches”中的张量）
参考文章:TensorFlow-sess.run() 当我们构建完图(可能是我们pre_process后生成的图片?NoNoNo,它只是指tensorflow框架的一种设计理念--计算流图)后,需要在 ...
python内核大小_关于keras.layers.Conv1D的kernel_size参数使用介绍
今天在用keras添加卷积层的时候,发现了kernel_size这个参数不知怎么理解,keras中文文档是这样描述的: kernel_size: 一个整数,或者单个整数表示的元组或列表, 指明 1D ...
tensorflow一维卷积输入_tensorflow中一维卷积conv1d处理语言序列的一点记录
工作中用卷积方法进行自然语言处理(NLP)相关任务,用到了tensorflow中的一些函数及方法: tf.nn.conv1d tf.layters.conv1d 用cov2d实现cov1d 两种池化操 ...

【tensorflow】tf.layers.conv1d函数解析（一维卷积）

【tensorflow】tf.layers.conv1d函数解析（一维卷积）相关推荐

最新文章

热门文章