Keras中Conv1D和Conv2D的区别

如有错误，欢迎斧正。

我的答案是，在Conv2D输入通道为1的情况下，二者是没有区别或者说是可以相互转化的。首先，二者调用的最后的代码都是后端代码（以TensorFlow为例，在tensorflow_backend.py里面可以找到）：

x = tf.nn.convolution(input=x,filter=kernel,dilation_rate=(dilation_rate,),strides=(strides,),padding=padding,data_format=tf_data_format)

区别在于input和filter传递的参数不同，input不必说，filter=kernel是什么呢？

我们进入Conv1D和Conv2D的源代码看一下。他们的代码位于layers/convolutional.py里面，二者继承的都是基类_Conv(Layer)。进入_Conv类查看代码可以发觉以下代码：

self.kernel_size = conv_utils.normalize_tuple(kernel_size, rank, 'kernel_size')
……#中间代码省略
input_dim = input_shape[channel_axis]
kernel_shape = self.kernel_size + (input_dim, self.filters)

我们假设，Conv1D的input的大小是（600,300），而Conv2D的input大小是（m,n,1），二者kernel_size为3。

进入conv_utils.normalize_tuple函数可以看到：

def normalize_tuple(value, n, name):"""Transforms a single int or iterable of ints into an int tuple.# Argumentsvalue: The value to validate and convert. Could an int, or any iterableof ints.n: The size of the tuple to be returned.name: The name of the argument being validated, e.g. "strides" or"kernel_size". This is only used to format error messages.# ReturnsA tuple of n integers.# RaisesValueError: If something else than an int/long or iterable thereof waspassed."""if isinstance(value, int):return (value,) * nelse:try:value_tuple = tuple(value)except TypeError:raise ValueError('The `' + name + '` argument must be a tuple of ' +str(n) + ' integers. Received: ' + str(value))if len(value_tuple) != n:raise ValueError('The `' + name + '` argument must be a tuple of ' +str(n) + ' integers. Received: ' + str(value))for single_value in value_tuple:try:int(single_value)except ValueError:raise ValueError('The `' + name + '` argument must be a tuple of ' +str(n) + ' integers. Received: ' + str(value) + ' ''including element ' + str(single_value) + ' of type' +' ' + str(type(single_value)))return value_tuple

所以上述代码得到的kernel_size是kernel的实际大小，根据rank进行计算，Conv1D的rank为1，Conv2D的rank为2，如果是Conv1D，那么得到的kernel_size就是（3,）如果是Conv2D，那么得到的是（3,3）

input_dim = input_shape[channel_axis]
kernel_shape = self.kernel_size + (input_dim, self.filters)

又因为以上的inputdim是最后一维大小(Conv1D中为300，Conv2D中为1），filter数目我们假设二者都是64个卷积核。因此，Conv1D的kernel的shape实际为：

（3,300,64）

而Conv2D的kernel的shape实际为：

（3,3,1,64）

刚才我们假设的是传参的时候kernel_size=3，如果，我们将传参Conv2D时使用的的kernel_size设置为自己的元组例如（3,300），那么传根据conv_utils.normalize_tuple函数，最后的kernel_size会返回我们自己设置的元组，也即（3,300）那么Conv2D的实际shape是：

（3,300,1,64），也即这个时候的Conv1D的大小reshape一下得到，二者等价。

换句话说，Conv1D（kernel_size=3）实际就是Conv2D（kernel_size=（3,300）），当然必须把输入也reshape成（600,300,1），即可在多行上进行Conv2D卷积。

这也可以解释，为什么在Keras中使用Conv1D可以进行自然语言处理，因为在自然语言处理中，我们假设一个序列是600个单词，每个单词的词向量是300维，那么一个序列输入到网络中就是（600,300），当我使用Conv1D进行卷积的时候，实际上就完成了直接在序列上的卷积，卷积的时候实际是以（3,300）进行卷积，又因为每一行都是一个词向量，因此使用Conv1D（kernel_size=3）也就相当于使用神经网络进行了n_gram=3的特征提取了。这也是为什么使用卷积神经网络处理文本会非常快速有效的内涵。

Keras中Conv1D和Conv2D的区别相关推荐

Conv1D和Conv2D的区别
我的答案是,在Conv2D输入通道为1的情况下,二者是没有区别或者说是可以相互转化的.首先,二者调用的最后的代码都是后端代码(以TensorFlow为例,在tensorflow_backend.py里 ...
python模型保存save_浅谈keras保存模型中的save()和save_weights()区别
今天做了一个关于keras保存模型的实验,希望有助于大家了解keras保存模型的区别. 我们知道keras的模型一般保存为后缀名为h5的文件,比如final_model.h5.同样是h5文件用save ...
python predict_对Keras中predict()方法和predict_classes()方法的区别说明
1 predict()方法当使用predict()方法进行预测时,返回值是数值,表示样本属于每一个类别的概率,我们可以使用numpy.argmax()方法找到样本以最大概率所属的类别作为样本的预测标 ...
keras：Convolution2D与Conv2D
关系总体区别:Convolution2D = Conv2D 参考来源:源文件 github.keras.layder.convolutional # Aliases Convolution1D = ...
conv2d的输入_神经网络-Conv1D和Conv2D实现
今天我们对比Conv1D和Conv2D实现文本卷积,提前说明两种方式实现的运算是一样的. 两种实现方式的原理图对比输入数据的形状对比 Conv1D (batch, steps, channels), ...
Tensorflow 2.x(keras)源码详解之第七章：keras中的tf.keras.layers
大家好,我是爱编程的喵喵.双985硕士毕业,现担任全栈工程师一职,热衷于将数据思维应用到工作与生活中.从事机器学习以及相关的前后端开发工作.曾在阿里云.科大讯飞.CCF等比赛获得多次Top名次.现 ...
深度学习布料交换：在Keras中实现条件类比GAN
2017年10月26日SHAOANLU 条件类比GAN:交换人物形象的时尚文章(链接) 给定三个输入图像:人穿着布A,独立布A和独立布B,条件类比GAN(CAGAN)生成穿着布B的人类图像.参见下图. ...
神经网络在Keras中不work！博士小哥证明何恺明的初始化方法堪比“CNN还魂丹”...
铜灵发自凹非寺量子位出品 | 公众号 QbitAI 南巴黎电信学院(Télécom SudParis)的在读博士生Nathan Hubens在训练CNN时遇到点难题. 使用在CIFAR10数据 ...
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 ...

Keras中Conv1D和Conv2D的区别

Keras中Conv1D和Conv2D的区别相关推荐

最新文章

热门文章