[source]

LocallyConnected1D

keras.layers.local.LocallyConnected1D(nb_filter, filter_length, init='uniform', activation='linear', weights=None, border_mode='valid', subsample_length=1, W_regularizer=None, b_regularizer=None, activity_regularizer=None, W_constraint=None, b_constraint=None, bias=True, input_dim=None, input_length=None)

重みが共有されないこと,すなわち,異なるフィルタの集合が異なる入力のパッチに適用されること,以外はLocallyConnected1DConvolution1Dと似たように動作します. このレイヤーを第一層に使う場合,キーワード引数としてinput_dim (整数値,例えば128次元ベクトル系列には128) を指定するかinput_shape (整数のタプル,例えば10個の128次元ベクトル系列ではinput_shape=(10, 128)) を指定してください. また,この層は入力のshapeをすべて指定することでのみ利用可能です (None をもつ次元は許容できません).

Example

# apply a unshared weight convolution 1d of length 3 to a sequence with
# 10 timesteps, with 64 output filters
model = Sequential()
model.add(LocallyConnected1D(64, 3, input_shape=(10, 32)))
# now model.output_shape == (None, 8, 64)
# add a new conv1d on top
model.add(LocallyConnected1D(32, 3))
# now model.output_shape == (None, 6, 32)

Arguments

  • nb_filter: 出力の次元.
  • filter_length: それぞれのフィルターの(空間もしくは時間的な)長さ.
  • init: レイヤーの重みの初期化関数の名前(initializations参照), もしくは重み初期化に用いるTheano関数.このパラメータはweights引数を与えない場合にのみ有効です.
  • activation: 使用する活性化関数の名前(activations参照), もしくは要素ごとのTheano関数. もしなにも指定しなければ活性化は一切適用されません(つまり"線形"活性a(x) = x).
  • weights: 初期重みとして設定されるNumpy配列のリスト.
  • border_mode: 'valid' あるいは 'same'.
  • subsample_length: 出力を部分サンプルするときの長さ.
  • W_regularizer: メインの重み行列に適用されるWeightRegularizer(例えばL1やL2正則化)のインスタンス.
  • b_regularizer: バイアス項に適用されるWeightRegularizerのインスタンス.
  • activity_regularizer: ネットワーク出力に適用されるActivityRegularizerのインスタンス.
  • W_constraint: メインの重み行列に適用されるconstraintsモジュール(例えばmaxnorm, nonneg)のインスタンス.
  • b_constraint: バイアス項に適用されるconstraintsモジュールのインスタンス.
  • bias: バイアス項を含むかどうか(レイヤをアフィンにするか線形にするか).
  • input_dim: 入力のチャネル/次元数. このレイヤーがモデルの初めのレイヤーの場合, この引数もしくはキーワード引数input_shapeを指定する必要があります.
  • input_length: 入力系列が一定のときのその長さ. この引数は上流のFlattenそしてDenseレイヤーを繋ぐときに必要となります. これがないとdense出力の配列サイズを計算することができません.

Input shape

配列サイズ(samples, steps, input_dim)の3次元テンソル.

Output shape

配列サイズ(samples, new_steps, nb_filter)の3次元テンソル. steps値はパディングにより変わっている可能性あり.


[source]

LocallyConnected2D

keras.layers.local.LocallyConnected2D(nb_filter, nb_row, nb_col, init='glorot_uniform', activation='linear', weights=None, border_mode='valid', subsample=(1, 1), dim_ordering='default', W_regularizer=None, b_regularizer=None, activity_regularizer=None, W_constraint=None, b_constraint=None, bias=True)

重みが共有されないこと,すなわち,異なるフィルタの集合が異なる入力のパッチに適用されること,以外はLocallyConnected2DConvolution2Dと似たように動作します. このレイヤーをモデルの第一層に使うときはキーワード引数input_shape(整数のタプル,サンプル軸を含まない)を指定してください. 例えば128x128のRGB画像ではinput_shape=(3, 128, 128)とします. また,この層は入力のshapeをすべて指定することでのみ利用可能です (None をもつ次元は許容できません).

Example

# apply a 3x3 unshared weights convolution with 64 output filters on a 32x32 image:
model = Sequential()
model.add(LocallyConnected2D(64, 3, 3, input_shape=(3, 32, 32)))
# now model.output_shape == (None, 64, 30, 30)
# notice that this layer will consume (30*30)*(3*3*3*64) + (30*30)*64 parameters

# add a 3x3 unshared weights convolution on top, with 32 output filters:
model.add(LocallyConnected2D(32, 3, 3))
# now model.output_shape == (None, 32, 28, 28)

Arguments

  • nb_filter: 使用する畳み込みカーネルの数.
  • nb_row: 畳み込みカーネルの行数.
  • nb_col: 畳み込みカーネルの列数.
  • init: レイヤーの重みの初期化関数の名前(initializations参照), もしくは重み初期化に用いるTheano関数.このパラメータはweights引数を与えない場合にのみ有効です.
  • activation: 使用する活性化関数の名前(activations参照), もしくは要素ごとのTheano関数. もしなにも指定しなければ活性化は一切適用されません(つまり"線形"活性a(x) = x).
  • weights: 初期重みとして設定されるNumpy配列のリスト.
  • border_mode: 'valid' あるいは 'same'.
  • subsample_length: 出力を部分サンプルするときの長さ.
  • W_regularizer: メインの重み行列に適用されるWeightRegularizer(例えばL1やL2正則化)のインスタンス.
  • b_regularizer: バイアス項に適用されるWeightRegularizerのインスタンス.
  • activity_regularizer: ネットワーク出力に適用されるActivityRegularizerのインスタンス.
  • W_constraint: メインの重み行列に適用されるconstraintsモジュール(例えばmaxnorm, nonneg)のインスタンス.
  • b_constraint: バイアス項に適用されるconstraintsモジュールのインスタンス.
  • dim_ordering: 'th'か'tf'.'th'モードのときはチャネルの次元 (深さ) はindex 1に, 'tf'モードではindex 3に.
  • bias: バイアス項を含むかどうか(レイヤをアフィンにするか線形にするか).

Input shape

dim_ordering='th'の場合,配列サイズ (samples, channels, rows, cols)の4次元テンソル. もしくはdim_ordering='tf'の場合,配列サイズ (samples, rows, cols, channels)の4次元テンソル

Output shape

dim_ordering='th'の場合,配列サイズ(samples, nb_filter, new_rows, new_cols)の4次元テンソル, あるいは dim_ordering='tf'の場合,配列サイズ(samples, new_rows, new_cols, nb_filter)の4次元テンソル rowscols値はパディングにより変わっている可能性あり.