python - 为什么我的 keras 模型有这么多参数？

Question

model = ke.Sequential()

model.add(Convolution2D(32,kernel_size=(2,2),activation='relu',input_shape=(360,720,1)))
model.add(Convolution2D(32, 2, 2, activation='relu'))
model.add(MaxPooling2D(pool_size = (3,3)))
model.add(Dropout(.3))


model.add(Flatten())
model.add(Dense(2, activation='softmax'))

以上是目前我的 CNN 的架构。然而，它说它有 1.8m 个可训练参数。为什么会这样呢？我认为第一层给出了(32*4 = 128 个参数)，但是如何找到模型其余部分中有多少个参数？

我的理解是，CNN 架构应该只依赖于过滤和最大池，因为它们是共享权重。那为什么我有这么多参数呢？我应该如何减少数量？

我不是询问如何使用“summary”查找参数数量。我问为什么我的模型有这么多参数以及如何减少这个数量。我直观上不明白为什么这个模型应该有 180 万个可训练参数。

Answer 1

使用摘要来确认以下内容(相信我，会有答案:D):

• 第二次转换后，您将获得类似 (None, 358,718,32) 的形状
• 池化会为您提供非常接近(无、120、240、32)
的结果
• Flatten 层为您提供了 (None, 120*240*32)，即 (None, 921600)!!!!

这就是参数这么多的原因!

密集层的每个输入都有 2 个权重，加上 2 个偏差，总共有 1843202 个密集层参数。

在将大量数据放入密集层之前，您需要更多的Convs + Poolings来逐渐减小大小。