Python 如何在keras conv2d中指定过滤器

我试图在我的Keras模型中实现一个使用特定高斯滤波器的conv2D层。我有生成过滤器的代码，尽管现有的过滤器本身没有参数。相反，这里有一个

过滤器

参数，它是一个指定输出空间维度的整数，还有一个

内核大小

，它是一个指定内核维度的元组

我已经尝试使用Keras后端的东西来解决这个问题，因为conv2D函数允许您输入我想要的特定过滤器。问题是，我不知道如何将其恢复到我的模型中，所以我再次陷入困境。我也发现了类似于我的问题，比如建议写我自己的图层，但我真的不确定我将如何去做，如果有更简单的方法，我希望避免它

---

一如既往，我们非常感谢您的帮助。

长答案短：

您根本不需要卷积层

卷积层的目的是为您找到合适的过滤器。正如您已经知道要使用哪个过滤器一样，您可以愉快地跳过整个卷积，直接跳到完全连接的层

将高斯滤波器应用于图像

使用展平（）

---

希望对您有所帮助。

我刚刚发布了一个问题的答案，但在这里，它可能会作为如何在Keras中应用自定义过滤器的示例有所帮助。对于高斯分布的示例，使用adapted For 2D获得过滤器

import numpy as np
import scipy.stats as st

def gkern(kernlen=[21,21], nsig=[3, 3]):
    """Returns a 2D Gaussian kernel array."""

    assert len(nsig) == 2
    assert len(kernlen) == 2
    kern1d = []
    for i in range(2):
        interval = (2*nsig[i]+1.)/(kernlen[i])
        x = np.linspace(-nsig[i]-interval/2., nsig[i]+interval/2., kernlen[i]+1)
        kern1d.append(np.diff(st.norm.cdf(x)))

    kernel_raw = np.sqrt(np.outer(kern1d[0], kern1d[1]))
    kernel = kernel_raw/kernel_raw.sum()
    return kernel

import matplotlib.pyplot as plt
plt.imshow(gkern([7,7]), interpolation='none')
plt.show()

然后你可以将其设置为初始过滤器，并冻结该层，使其不再训练，看起来像这样

from keras.models import Sequential
from keras.layers import Conv2D

#Set Some Image
image = [[4,3,1,0],[2,1,0,1],[1,2,4,1],[3,1,0,2]]

# Pad to "channels_last" format 
# which is [batch, width, height, channels]=[1,4,4,1]
image = np.expand_dims(np.expand_dims(np.array(image),2),0)

#Initialise to set kernel to required value
def kernel_init(shape):
    kernel = np.zeros(shape)
    kernel[:,:,0,0] = gkern([shape[0], shape[1]])
    return kernel 

#Build Keras model
model = Sequential()
#We would freeze training of the layers if we
# wanted to keep a Gaussian filter
Gausslayer = Conv2D(1, [3,3], kernel_initializer=kernel_init, 
                    input_shape=(4,4,1), padding="valid")
Gausslayer.trainable = False
model.add(Gausslayer)
#Add some more layers here
#model.add(Conv2D(...)
model.build()

# To apply existing filter, we use predict with no training
out = model.predict(image)
print(out[0,:,:,0])

---

并且可以调整以添加更多可培训的层。

您找到处理方法了吗？我有一个类似的用例。我需要在我的第一层CNN中使用高斯和高斯导数滤波器，并学习它们的一些线性组合。但我不知道如何在我的第一层中引入高斯。回溯（最后一次调用）：model.add（Gausslayer）文件“/usr/local/lib/python3.8/dist-packages/tensorflow/python/training/tracking/base.py”中的第48行文件“gkern.py”，第517行，在(u-method)wrapper result=method（self，*args，**-kwargs）文件中“/usr/local/lib/python3.8/dist packages/tensorflow/python/keras/engine/sequential.py”，第208行，在add layer（x）文件中“/usr/local/lib/python3.8/dist packages/tensorflow/python/keras/engine/base_layer.py”，第946行，在调用返回self中，