TF2实现经典CNN架构

卷积神经网络经典操作

卷积操作

tf.keras.layers.Conv2D (
	filters = 卷积核个数,
	kernel_size = 卷积核尺寸, # 正方形写核长整数，或（核高h，核宽w）
	strides = 滑动步长, # 横纵向相同写步长整数，或(纵向步长h，横向步长w)，默认1
	padding = “same” or “valid”, # same表示全零填充，valid为默认值
	activation = "relu" # 激活函数，如有BN，此处不写
	input_shape = (高, 宽 , 通道数) # 输入特征图维度，可省略
)

批标准化（Batch Normalization，BN）

tf.keras.layers.BatchNormalization()

激活函数（使用BN的情况下才要）

Activation(对应激活函数)

池化（Pooling）

# 最大池化
tf.keras.layers.MaxPool2D(
	pool_size= 池化核尺寸,
	strides= 池化步长, # 默认为pool_size
	padding=‘valid’ or ‘same’
)

# 平均池化
tf.keras.layers.AveragePooling2D(
	pool_size= 池化核尺寸,
	strides= 池化步长, # 默认为pool_size
	padding=‘valid’or‘same’
)

Dropout

tf.keras.layers.Dropout(舍弃概率)

VGG

Donate