keras中的卷积层

我正在探索keras中的卷积层：

我在任何地方都能找到以下类型的代码行：

 @interfaces.legacy_conv1d_support
@interfaces.legacy_conv2d_support

---

这些线路的工作原理和作用。我在谷歌上搜索，但没有找到答案。请解释一下

这些以

@

开头的行在

python

中称为

decorators

。查看页面，阅读关于它们的简要摘要。这个decorators的基本功能是，它们将下面的函数包装成另一个具有某种“包装器”函数的函数，如预处理参数、更改函数的可访问性等

查看

interfaces.py

文件，您将看到：

legacy_conv1d_support = generate_legacy_interface(
    allowed_positional_args=['filters', 'kernel_size'],
     conversions=[('nb_filter', 'filters'),
                 ('filter_length', 'kernel_size'),
                 ('subsample_length', 'strides'),
                 ('border_mode', 'padding'),
                 ('init', 'kernel_initializer'),
                 ('W_regularizer', 'kernel_regularizer'),
                 ('b_regularizer', 'bias_regularizer'),
                 ('W_constraint', 'kernel_constraint'),
                 ('b_constraint', 'bias_constraint'),
                 ('bias', 'use_bias')],
    preprocessor=conv1d_args_preprocessor)

因此，使用此函数基本上是重命名参数。为什么会这样？

keras

API更改了某些函数的某些参数的名称（如

W_正则化器

->

kernel_正则化器

）。为了让用户能够运行旧代码，他们添加了这个decorator，在调用实际函数之前，它将用相应的新参数名替换旧参数名。这允许您运行“旧的”

keras1

code，即使您已经安装了

keras2

Tl；dr：出于兼容性的原因，这些行仅用于连接。由于这只是keras的内部方面，因此您无需担心或照顾