Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
yuanyuan_zyy
test
提交
765d0d8f
T
test
项目概览
yuanyuan_zyy
/
test
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
T
test
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
765d0d8f
编写于
9月 17, 2020
作者:
yuanyuan_zyy
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
上传新文件
上级
319666b7
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
105 addition
and
0 deletion
+105
-0
conv_net.py
conv_net.py
+105
-0
未找到文件。
conv_net.py
0 → 100644
浏览文件 @
765d0d8f
from
tensorflow.keras
import
Model
from
tensorflow.keras.layers
import
Flatten
,
Conv2D
,
MaxPool2D
,
Dense
'''
卷积操作tf.keras.layers.Conv2D
用到的参数:
- input_shape;输入数据的维度大小,如3通道64×64的输入图片,要设置为(64, 64, 3),参数input_shape只需要在第一个网络层设置。
- filters:输入整数,卷积核个数(等于卷积后输出的通道数)。
- kernel_size:卷积核的大小,通常为一个正整数或一个列表。
例子:kernel_size=3,kernel_size=(3,3),都表示卷积核宽高方向的大小为3。
- strides:卷积核的滑动步长,通常为一个正整数或一个列表,列表可以包含2个或4个元素,默认为(1, 1)。
例子:strides=2,strides=(2,2),都表示宽高方向的滑动步长为2。
- padding:补零设置,可选项为"VALID"、"SAME"。
- 如果padding="VALID",表示不做补零操作。
- 如果padding="SAME",程序会自动补零,使得输出feature map的宽高=ceil(输入图片宽高/strides),
ceil表示向上取整,当strides=1时,输入输出的宽高保持一致。
- activation:激活函数。
可选项:
- 'sigmoid':sigmoid激活函数
- 'tanh':tanh激活函数
- 'relu':relu激活函数
- 'elu'或tf.keras.activations.elu(alpha=1.0):elu激活函数
- 'selu':selu激活函数
- 'swish': swish激活函数(tf2.2版本以上才有)
- 'softmax': softmax函数
- input_shape:如果是第一层卷积,需要设置输入图片的大小(height, width, channel),如input_shape=(128, 128, 3)。
- name:输入字符串,给该层设置一个名称。
池化操作tf.keras.layers.MaxPool2D
用到的参数:
- pool_size:池化卷积核的大小,具体设置与tf.keras.layers.Conv2D的kernel_size一样。
- strides:池化的滑动步长,具体设置与tf.keras.layers.Conv2D的strides一样。
- name:输入字符串,给该层设置一个名称。
全连接操作tf.keras.layers.Dense
用到的参数:
- units:输入整数,全连接层神经元个数。
- activation:激活函数,分类网络的输出层一般用'softmax'激活函数。
- name:输入字符串,给该层设置一个名称。
展平操作tf.keras.layers.Flatten
举例说明:
[[1,2,3],
[4,5,6], ——> [1,2,3,4,5,6,7,8,9]
[7,8,9]]
'''
# 定义一个子类来搭建模型
#
class
ConvModel
(
Model
):
def
__init__
(
self
):
# 父类初始化
super
(
ConvModel
,
self
).
__init__
()
# 卷积层conv_1_1
self
.
conv_1_1
=
Conv2D
(
input_shape
=
(
64
,
64
,
3
),
filters
=
32
,
kernel_size
=
3
,
padding
=
'same'
,
activation
=
'relu'
,
name
=
'conv_1_1'
)
# 卷积层conv_1_2
self
.
conv_1_2
=
Conv2D
(
filters
=
32
,
kernel_size
=
3
,
padding
=
'same'
,
activation
=
'relu'
,
name
=
'conv_1_2'
)
# 池化层max_pool_1
self
.
max_pool_1
=
MaxPool2D
(
pool_size
=
2
,
name
=
'max_pool_1'
)
# 卷积层conv_2_1
self
.
conv_2_1
=
Conv2D
(
filters
=
64
,
kernel_size
=
3
,
padding
=
'same'
,
activation
=
'relu'
,
name
=
'conv_2_1'
)
# 卷积层conv_2_2
self
.
conv_2_2
=
Conv2D
(
filters
=
64
,
kernel_size
=
3
,
padding
=
'same'
,
activation
=
'relu'
,
name
=
'conv_2_2'
)
# 池化层max_pool_2
self
.
max_pool_2
=
MaxPool2D
(
pool_size
=
2
,
name
=
'max_pool_2'
)
# 卷积层conv_3_1
self
.
conv_3_1
=
Conv2D
(
filters
=
128
,
kernel_size
=
3
,
padding
=
'same'
,
activation
=
'relu'
,
name
=
'conv_3_1'
)
# 卷积层conv_3_2
self
.
conv_3_2
=
Conv2D
(
filters
=
128
,
kernel_size
=
3
,
padding
=
'same'
,
activation
=
'relu'
,
name
=
'conv_3_2'
)
# 池化层max_pool_3
self
.
max_pool_3
=
MaxPool2D
(
pool_size
=
2
,
name
=
'max_pool_3'
)
# 展平层flatten
self
.
flatten
=
Flatten
(
name
=
'flatten'
)
# 全连接层
self
.
dense
=
Dense
(
units
=
6
,
activation
=
"softmax"
,
name
=
'logit'
)
def
call
(
self
,
x
):
x
=
self
.
conv_1_1
(
x
)
x
=
self
.
conv_1_2
(
x
)
x
=
self
.
max_pool_1
(
x
)
x
=
self
.
conv_2_1
(
x
)
x
=
self
.
conv_2_2
(
x
)
x
=
self
.
max_pool_2
(
x
)
x
=
self
.
flatten
(
x
)
x
=
self
.
dense
(
x
)
return
x
\ No newline at end of file
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录