Keras Convolution1D与Convolution2D区别
来源:互联网 发布:现在安卓跟ios 知乎 编辑:程序博客网 时间:2024/05/22 04:33
以下是Convolution1D的例子:
from keras.layers import Convolution1Dfrom keras.models import Sequentialmodel=Sequential()model.add(Convolution1D( filters=64, #64个滤波器 -》生成 64深度 kernel_size=3, #长度 为 3 input_shape=(10,32), # 输入形状 就是 图片形状 (step,input_dim) input_dim 一般指词_dim padding='same' # 过滤模式))#Output Shape:(None, 10, 64) model.add(Convolution1D( filters=32, kernel_size=3, padding='same'))#Output Shape:(None, 10, 32)
以下是Convolution2D的例子:
from keras.layers import Convolution2Dfrom keras.models import Sequentialmodel=Sequential()model.add(Convolution2D( filters=64, # 64个滤波器 -》生成 64深度 kernel_size=3, # 滤波器窗口 大小(3,3) padding='same', # 过滤模式 input_shape=(256,256,3), # 输入形状 就是 图片形状 # 默认 data_format:channels_last (rows,cols,channels)))#Output Shape:(None, 256, 256, 64)model.add(Convolution2D( filters=32, kernel_size=3, padding='same', # 过滤模式 ))#Output Shape:(None, 256, 256, 32)
1.Convolution1D主要用于nlp,Convolution2D主要用于cv。实际上,Convolution1D也可以用于cv,Convolution2D也可以用于nlp,只是那个时候不是标准的卷积方式,而是经过一定变形的卷积。
2.可以看到Convolution1D的 只有3这一个参数,Convolution2D 却有两个参数3(即长度为3,宽度为3的卷积窗口)。表面上Convolution1D没有给出卷积的大小,Convolution2D给出了。实际上,在Convolution1D中,长度 为 句子 所有 word 的长度,宽度就是 句子中word的 dim (全称:dimension) ,宽度自动把整个tensor的宽度包裹住。
3.Convolution1D的input_shape是 ( 长度为10,宽度为32 )的tensor。Convolution2D的input_shape是 ( 宽度为256,长度为256,3个channel ) 的tensor。
下面画出大概的区别:
阅读全文
0 0
- Keras Convolution1D与Convolution2D区别
- Keras's convolution2d
- keras中Convolution1D的使用
- keras中Convolution1D的使用(CNN情感分析yoom例子四)
- 「Keras」Demonstrates the Use of Convolution1D for Text Classification
- keras中Convolution1D的使用(CNN情感分析yoom例子四) && Keras 1D,2D,3D卷积
- Keras(1):Keras安装与简介
- Keras Notes: Keras安装与简介
- Keras安装与简介
- Keras的安装与搭建
- keras简单介绍与使用
- Keras:1 基础知识与安装
- theano与keras安装问题
- keras 与tensorflow 混合使用
- keras
- keras
- keras
- Keras
- file does not start with RIFF id(python)
- 大型网站架构系列:分布式消息队列
- Mysql常用30种SQL查询语句优化方法
- linux最后一次作业题
- Minimum Sum LCM UVA
- Keras Convolution1D与Convolution2D区别
- Python——SSHClient.py
- HTML5实现APP和原生方式的差距
- android平台的几个编译命令----make,mmm,mm,mma
- Yii:zii.widgets.CMenu使用方法
- Spark源码分析之Sort-Based Shuffle读写流程
- Tensorflow入门及项目
- 顺序表查找
- JS转换HTML转义符