Keras 中的卷積層
要在 Keras 中創建卷積層，你首先必須導入必要的模塊：
from keras.layers import Conv2D
然後，你可以通過使用以下格式創建卷積層：
Conv2D(filters, kernel_size, strides, padding, activation='relu', input_shape)
參數
必須傳遞以下參數：
filters- 過濾器數量。kernel_size- 指定（方形）卷積窗口的高和寬的數字。
你可能還需要調整其他可選參數：
strides- 卷積 stride。如果不指定任何值，則strides設爲1。padding- 選項包括'valid'和'same'。如果不指定任何值，則padding設爲'valid'。activation- 通常爲'relu'。如果未指定任何值，則不應用任何激活函數。強烈建議你向網絡中的每個卷積層添加一個 ReLU 激活函數。
注意：可以將 kernel_size 和 strides 表示爲數字或元組。
在模型中將卷積層當做第一層級（出現在輸入層之後）時，必須提供另一個 input_shape 參數：
input_shape- 指定輸入的高度、寬度和深度（按此順序）的元組。
注意：如果卷積層不是網絡的第一個層級，請勿包含 input_shape 參數。
你還可以設置很多其他元組參數，以便更改卷積層的行爲。要詳細瞭解這些參數，建議參閱官方文檔。
示例 1
假設我要構建一個 CNN，輸入層接受的是 200 x 200 像素（對應於高 200、寬 100、深 1 的三維數組）的灰度圖片。然後，假設我希望下一層級是卷積層，具有 16 個過濾器，每個寬和高分別爲 2。在進行卷積操作時，我希望過濾器每次跳轉 2 個像素。並且，我不希望過濾器超出圖片界限之外；也就是說，我不想用 0 填充圖片。要構建該卷積層，我將使用下面的代碼：
Conv2D(filters=16, kernel_size=2, strides=2, activation='relu', input_shape=(200, 200, 1))
示例 2
假設我希望 CNN 的下一層級是卷積層，並將示例 1 中構建的層級作爲輸入。假設新層級是 32 個過濾器，每個的寬和高都是 3。在進行卷積操作時，我希望過濾器每次移動 1 個像素。我希望卷積層查看上一層級的所有區域，因此不介意過濾器在進行卷積操作時是否超過上一層級的邊緣。然後，要構建此層級，我將使用以下代碼：
Conv2D(filters=32, kernel_size=3, padding='same', activation='relu')
示例 3
如果在線查看代碼，經常會在 Keras 中見到以下格式的卷積層：
Conv2D(64, (2,2), activation='relu')
在這種情況下，有 64 個過濾器，每個的大小是 2x2，層級具有 ReLU 激活函數。層級中的其他參數使用默認值，因此卷積的 stride 爲 1，填充設爲 'valid'。