Вот несколько методов, связанных со слоем «Keras Conv2D»:

1. Conv2D: это основной метод, используемый для создания слоя Conv2D в Keras. Он применяет операцию двумерной свертки к входным данным.

2. Активация. За слоем Conv2D часто следует функция активации. Keras предоставляет различные функции активации, такие как ReLU, сигмоид и tanh, которые можно применять к выходным данным слоя Conv2D.

3. Отступы: слои Conv2D можно настроить так, чтобы они включали отступы. Заполнение добавляет дополнительные граничные пиксели к входному изображению, позволяя применить операцию свертки к краям изображения.

4. Шаги: Шаги определяют размер шага, с которым операция свертки применяется к входному изображению. Регулируя значения шага, вы можете контролировать размер вывода и уровень пространственного понижения разрешения.

5. Ядро/фильтр. Уровень Conv2D использует матрицу ядра/фильтра, которая скользит по входному изображению для выполнения операции свертки. Ядро/фильтр — это набор обучаемых параметров, которые оптимизируются в процессе обучения.

6. Входная форма. Слой Conv2D ожидает входные данные определенной формы. Обычно для этого требуется 4D-тензор, представляющий пакет изображений с размерами (batch_size, высота, ширина, каналы).

7. Выходная форма. Слой Conv2D создает выходной тензор определенной формы, определяемой конфигурацией слоя. Выходная форма зависит от таких факторов, как входная форма, размер ядра, отступы и шаги.