Docs ?
Layers ?
局部連接層 Locally-connected
LocallyConnected1D
keras.layers.LocallyConnected1D(filters, kernel_size, strides=1, padding='valid', data_format=None, activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None)
1D 輸入的局部連接層糙臼。
LocallyConnected1D 層與 Conv1D 層的工作方式相同变逃，除了權值不共享外， 也就是說揽乱，在輸入的每個不同部分應用不同的一組過濾器。
例子
# 將長度為 3 的非共享權重 1D 卷積應用于
# 具有 10 個時間步長的序列损拢，并使用 64個 輸出濾波器
model = Sequential()
model.add(LocallyConnected1D(64, 3, input_shape=(10, 32)))
# 現(xiàn)在 model.output_shape == (None, 8, 64)
# 在上面再添加一個新的 conv1d
model.add(LocallyConnected1D(32, 3))
# 現(xiàn)在 model.output_shape == (None, 6, 32)
參數(shù)
- filters: 整數(shù)撒犀，輸出空間的維度 （即卷積中濾波器的輸出數(shù)量）。
- kernel_size: 一個整數(shù)隧膏，或者單個整數(shù)表示的元組或列表嚷那， 指明 1D 卷積窗口的長度。
-
strides: 一個整數(shù)腐泻，或者單個整數(shù)表示的元組或列表队询， 指明卷積的步長。 指定任何 stride 值 != 1 與指定
dilation_rate值 != 1 兩者不兼容蚌斩。 -
padding: 當前僅支持
"valid"(大小寫敏感)。"same"可能會在未來支持员魏。 -
activation: 要使用的激活函數(shù) (詳見 activations)。 如果你不指定受裹，則不使用激活函數(shù) (即線性激活：
a(x) = x)虏束。 - use_bias: 布爾值，該層是否使用偏置向量照藻。
-
kernel_initializer:
kernel權值矩陣的初始化器 (詳見 initializers)汗侵。 - bias_initializer: 偏置向量的初始化器 (詳見 initializers)。
-
kernel_regularizer: 運用到
kernel權值矩陣的正則化函數(shù) (詳見 regularizer)冀值。 - bias_regularizer: 運用到偏置向量的正則化函數(shù) (詳見 regularizer)宫屠。
- activity_regularizer: 運用到層輸出（它的激活值）的正則化函數(shù) (詳見 regularizer)。
-
kernel_constraint: 運用到
kernel權值矩陣的約束函數(shù) (詳見 constraints)抵栈。 - bias_constraint: 運用到偏置向量的約束函數(shù) (詳見 constraints)坤次。
輸入尺寸
3D 張量，尺寸為： (batch_size, steps, input_dim)缰猴。
輸出尺寸
3D 張量 ，尺寸為：(batch_size, new_steps, filters)闷堡， steps 值可能因填充或步長而改變疑故。
LocallyConnected2D
keras.layers.LocallyConnected2D(filters, kernel_size, strides=(1, 1), padding='valid', data_format=None, activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None)
2D 輸入的局部連接層。
LocallyConnected2D 層與 Conv2D 層的工作方式相同踱阿，除了權值不共享外， 也就是說才漆，在輸入的每個不同部分應用不同的一組過濾器葫隙。
例子
# 在 32x32 圖像上應用 3x3 非共享權值和64個輸出過濾器的卷積
# 數(shù)據(jù)格式 `data_format="channels_last"`：
model = Sequential()
model.add(LocallyConnected2D(64, (3, 3), input_shape=(32, 32, 3)))
# 現(xiàn)在 model.output_shape == (None, 30, 30, 64)
# 注意這一層的參數(shù)數(shù)量為 (30*30)*(3*3*3*64) + (30*30)*64
# 在上面再加一個 3x3 非共享權值和 32 個輸出濾波器的卷積：
model.add(LocallyConnected2D(32, (3, 3)))
# 現(xiàn)在 model.output_shape == (None, 28, 28, 32)
參數(shù)
- filters: 整數(shù)躏仇，輸出空間的維度 （即卷積中濾波器的輸出數(shù)量）。
- kernel_size: 一個整數(shù)糟描，或者 2 個整數(shù)表示的元組或列表书妻， 指明 2D 卷積窗口的寬度和高度。 可以是一個整數(shù)见间，為所有空間維度指定相同的值工猜。
- strides: 一個整數(shù)，或者 2 個整數(shù)表示的元組或列表篷帅， 指明卷積沿寬度和高度方向的步長。 可以是一個整數(shù)惊橱，為所有空間維度指定相同的值箭昵。
-
padding: 當前僅支持
"valid"(大小寫敏感)。"same"可能會在未來支持掉房。 -
data_format: 字符串慰丛，
channels_last(默認) 或channels_first之一。 輸入中維度的順序哪亿。channels_last對應輸入尺寸為(batch, height, width, channels)，channels_first對應輸入尺寸為(batch, channels, height, width)蝇棉。 它默認為從 Keras 配置文件~/.keras/keras.json中 找到的image_data_format值。 如果你從未設置它钝吮，將使用 "channels_last"板辽。 -
activation: 要使用的激活函數(shù) (詳見 activations)。 如果你不指定耳标，則不使用激活函數(shù) (即線性激活：
a(x) = x)邑跪。 - use_bias: 布爾值，該層是否使用偏置向量砸琅。
-
kernel_initializer:
kernel權值矩陣的初始化器 (詳見 initializers)轴踱。 - bias_initializer: 偏置向量的初始化器 (詳見 initializers)。
-
kernel_regularizer: 運用到
kernel權值矩陣的正則化函數(shù) (詳見 regularizer)寇僧。 - bias_regularizer: 運用到偏置向量的正則化函數(shù) (詳見 regularizer)嘁傀。
- activity_regularizer: 運用到層輸出（它的激活值）的正則化函數(shù) (詳見 regularizer)。
-
kernel_constraint: 運用到
kernel權值矩陣的約束函數(shù) (詳見 constraints)细办。 - bias_constraint: 運用到偏置向量的約束函數(shù) (詳見 constraints)笑撞。
輸入尺寸
4D 張量，尺寸為： (samples, channels, rows, cols)茴肥，如果 data_format='channels_first'； 或者 4D 張量瞬铸，尺寸為： (samples, rows, cols, channels)，如果 data_format='channels_last'荧缘。
輸出尺寸
4D 張量拦宣，尺寸為： (samples, filters, new_rows, new_cols)，如果 data_format='channels_first'鸵隧； 或者 4D 張量掰派，尺寸為： (samples, new_rows, new_cols, filters)左痢，如果 data_format='channels_last'。 rows 和 cols 的值可能因填充而改變俊性。
