使用几个硬编码过滤器在 Keras 中创建自定义 Conv2D 层？答案

【问题标题】：Creating custom Conv2D layer in Keras with several hard-coded filters?使用几个硬编码过滤器在 Keras 中创建自定义 Conv2D 层？
【发布时间】：2021-02-02 04:17:20
【问题描述】：

我正在尝试创建一个自定义Conv2D层与几个（最多数千）不同 硬编码过滤器。

在做了一些研究之后，我知道我可以：

在Conv2D 中使用kerel_initializer 参数（参考here）
写我自己的Conv2D层

我的问题是，您似乎只能使用kernel-initializer 对一个过滤器进行硬编码？所以如果我使用第一种方法，我将不得不添加几个Conv2D 层和filter=1。

但是，除了自定义过滤器和不可训练之外，我希望其他一切都像另一个 Conv2D 层一样工作，所以只实现另一个似乎有点蹩脚。

这可以用任何简单的方法实现吗？还是我别无选择，只能实现自己的Conv2D？提前致谢。

【问题讨论】：

是什么让您认为您只能硬编码一个过滤器？您可以使用您选择的输出形状（任意数量的过滤器）编写自定义内核初始化程序。您需要为您的过滤器编写一个生成器，并在内核初始化程序中调用它。
@IvanK。我发现我误解了 api，你肯定可以使用 kernel_initializer 对多个过滤器进行硬编码。感谢您的提醒:)

标签： python tensorflow keras conv-neural-network

【解决方案1】：

tf.nn.conv2d 将过滤器作为图层的输入参数：

tf.nn.conv2d(
    input, filters, strides, padding, data_format='NHWC', dilations=None,
    name=None
)

【讨论】：