img_conv_group¶

参数¶

• input （Variable） - 输入，格式为[N，C，H，W]的4-D Tensor。数据类型：float32和float64。

• conv_num_filter （list | tuple） - 卷积中使用的滤波器数。

• pool_size （int | list | tuple） - 池化层中池化核的大小。如果pool_size是列表或元组，则它必须包含两个整数（pool_size_height，pool_size_width）。否则，pool_size_height = pool_size_width = pool_size。

• conv_padding （int | list | tuple） - 卷积层中的填充 padding 的大小。如果 padding 是列表或元组，则其长度必须等于 conv_num_filter 的长度。否则，所有卷积的 conv_padding 都是相同的。默认：1。

• conv_filter_size （int | list | tuple） - 卷积层中滤波器大小。如果filter_size是列表或元组，则其长度必须等于 conv_num_filter 的长度。否则，所有卷积的 conv_filter_size 都是相同的。默认：3。

• conv_act （str） - 卷积层之后接的的激活层类型，BatchNorm 后面没有。默认：None。

• param_attr (ParamAttr|None)：指定权重参数属性的对象。默认值为None，表示使用默认的权重参数属性。具体用法请参见 ParamAttr 。conv2d算子默认的权重初始化是Xavier。

• conv_with_batchnorm （bool | list） - 表示在卷积层之后是否使用 BatchNorm。如果 conv_with_batchnorm 是一个列表，则其长度必须等于 conv_num_filter 的长度。否则，conv_with_batchnorm 指示是否所有卷积层后都使用 BatchNorm。默认：False。

• conv_batchnorm_drop_rate （float | list） - 表示 BatchNorm 之后的 Dropout Layer 的 drop_rate。如果 conv_batchnorm_drop_rate 是一个列表，则其长度必须等于 conv_num_filter 的长度。否则，所有 Dropout Layers 的 drop_rate 都是 conv_batchnorm_drop_rate。默认：0.0。

• pool_stride （int | list | tuple） - 池化层的池化步长。如果 pool_stride 是列表或元组，则它必须包含两个整数（pooling_stride_height，pooling_stride_width）。否则，pooling_stride_height = pooling_stride_width = pool_stride。默认：1。

• pool_type （str） - 池化类型可以是最大池化的 max 和平均池化的 avg。默认：max。

• use_cudnn （bool） - 是否使用cudnn内核，仅在安装cudnn库时才有效。默认值：True

返回¶

Tensor。使用Convolution2d，BatchNorm，DropOut和Pool2d进行串行计算后的最终结果。

返回类型¶

Variable

代码示例¶

import paddle.fluid as fluid
import paddle
paddle.enable_static()

img = fluid.data(name='img', shape=[None, 1, 28, 28], dtype='float32')
conv_pool = fluid.nets.img_conv_group(input=img,
                                      conv_padding=1,
                                      conv_num_filter=[3, 3],
                                      conv_filter_size=3,
                                      conv_act="relu",
                                      pool_size=2,
                                      pool_stride=2)