网络层 - DepthwiseConv2d

DepthwiseConv2d

Depthwise卷积层分别多多通道输入的每一个通道进行分别卷积。

可分离卷积首先按深度方向进行卷积（对每个输入通道分别卷积），然后逐点进行卷积，将上一步的卷积结果混合到输出通道中。直观来说，可分离卷积可以看做将一个卷积核分解为两个小的卷积核，或看作Inception模块的一种极端情况。

构造器

基于 TensorSpace 模型是否在初始化之前载入了预训练的模型，有不同的配置方法。查看网络层配置文档了解网络层配置基本规则。

〔情况一〕如果 TensorSpace 模型在初始化之前已经载入了预训练的模型，那么不需要在 Layer 中配置网络模型相关系数。

TSP.layers.DepthwiseConv2d();

〔情况二〕如果 TensorSpace 模型在初始化之前未载入预训练的模型，那么需要配置必要的网络模型相关系数。

两种方法构造一个新建一个层，输入参数都是必要的。

[方法一] 使用 kernelSize 和 strides 参数进行构造

TSP.layers.DepthwiseConv2d( { filters : Int, kernelSize: Int, strides: Int } );

[方法二] 使用 shape 参数进行构造

TSP.layers.DepthwiseConv2d( { shape : [ Int, Int, Int ] } );

图1 - DepthwiseConv2d层示意图（左：收缩 | 右：展开）

参数列表

参数名标签	类型	简介	具体用法细节和例子
kernelSize	Int \| Int[]	卷积核的尺寸，网络模型相关系数	2d卷积核，举个例子，如果配置一个正方形卷积核，将 kernelSize 设置成 3 如果配置一个矩形卷积核，将 kernelSize 设置成 [1, 7]
strides	Int \| Int[]	卷积移动框的移动步长，网络模型相关系数	在不同方向的步长，默认情况自动推断 strides: [1, 1]，举个例子，如果长宽方向的步长相等，将 strides 配置成 2 如果长宽方向的步长不相等，将 strides 配置成 [1, 2]
shape	Int[]	当前层的输出形状，网络模型相关系数	例如，shape: [ 28, 28, 6 ] 则表示输出为6个特征图，每幅图大小28*28，dataFormat默认通道值在最后
name	String	层的命名	name: “layerName” 在顺序模型中，建议添加，以便从模型中获取层对象在函数式模型中，必须给每个层添加 name 属性，且添加的名称 name 的值需要和预训练网络中对应层的名称相同
padding	String	Padding模式，网络模型相关系数	valid [默认值] 不使用padding，丢弃无法提取特征的部分，会改变输出的形状 same: 使用padding，在不够的位置补零，输出的形状不变
depthMultiplier	Int	每个输入通道有对应多少个depthwise卷积输出通道	默认是1。假设输入通道是32，那么默认的输出通道数是32，如果设置了 depthMultiplier = 2 的话，输出的通道数是64。
color	Color Format	层的颜色	DepthwiseConv2d默认颜色是亮黄色 #FBBF1F
closeButton	Dict	层关闭按钮外观控制列表，查看详情	display: Bool. true [默认值] 显示按钮, false 隐藏按钮 ratio: Int 为正常大小的几倍，默认为1倍，例如，当ratio设为2时，关闭按钮为正常大小的2倍大
initStatus	String	本层初始化状态，查看详情	close[默认值] : 收缩 open：展开
animeTime	Int	张开和伸缩的速度	例如2000就是2秒，如果在layer中配置animeTime属性将会覆盖model中的animeTime。

属性

.inputShape : Int[]

本层输入Tensor的形状，dataFormat默认通道值在最后，例如inputShape = [ 28, 28, 3 ] 表示输入为3个特征图，每个图大小为28*28。

在 model.init() 后才可拿到数据，否则为undefined。

.outputShape : Int[]

本层输出Tensor的形状为3维 3️⃣

dataFormat默认通道值在最后，例如outputShape = [ 32, 32, 4 ] 表示经过此层处理后，有4个特征图，每个图大小为32*32。

在 model.init() 后才可拿到数据，否则为undefined。

.neuralValue : Float[]

本层层间输出值数组。

载入模型，在 model.predict() 后才可以拿到数据，否则为undefined。

.name : String

本层的自定义名称。

创建后即可取到。

.layerType : String

本层的类型，返回一个定值，字符串DepthwiseConv2d。

创建后即可取到。

方法

.apply( previous_layer ) : void

将此层连接到 previous_layer 上，previous_layer 即此层的上一层。

此方法可用于构建函数模型图结构。

详情参见构建图结构。

.openLayer() : void

展开 Layer，如果 Layer 已经处于 “open” 状态，Layer 将会保持 “open” 状态。

详情参见网络层状态。

.closeLayer() : void

闭合 Layer，如果 Layer 已经处于 “close” 状态，Layer 将会保持 “close” 状态。

详情参见网络层状态。

使用样例

如果 TensorSpace 模型在初始化之前已经载入了预训练的模型，那么不需要在 Layer 中配置网络模型相关系数。

let dwConv2d = new TSP.layers.DepthwiseConv2d( {

    // 建议配置，当使用 TensorSpace 函数模型时，为必要配置。
    name: "depthwiseConv2d1",
    // 可选配置。
    animeTime: 4000,
    initStatus: "open"

} );

如果 TensorSpace 模型在初始化之前未载入预训练的模型，那么需要配置必要的网络模型相关系数。

let dwConv2d = new TSP.layers.DepthwiseConv2d( {

    // 必要网络模型相关系数配置。
    kernelSize: 3,
    strides: 1,
    depthMultiplier: 2,
    // 建议配置，当使用 TensorSpace 函数模型时，为必要配置。
    name: "depthwiseConv2d2",
    // 可选配置。
    animeTime: 4000,
    initStatus: "open"

} );

什么时候用

如果你熟悉Keras | TensorFlow | tfjs 框架，构建模型时使用了卷积层Conv2D（下表列出了可能的使用情景）。一一对应的，在TensorSpace中，使用本API。

框架名称	对应框架中新建对象代码段
Keras	keras.layers.SeparableConv2D(filters, kernel_size, strides=(1, 1))
TensorFlow	tf.nn.depthwise_conv2d( input, filter, strides )
TensorFlow.js	tf.layers.depthwiseConv2d (config)

源码

tensorspace/src/layer/intermediate/DepthwiseConv2d.js