我想编写与 Convolution2D 相同的自己的卷积层。
它在 Keras 中是如何工作的?
例如,如果 Convolution2D(64, 3, 3, activation='relu', input_shape=(3,226,226)
哪个方程将用于输出数据?
最佳答案
由于你输入的图像形状是(266, 266, 3)[tf]/(3, 266, 266)[th],并且过滤器编号为64,内核大小为3x3,对于padding,我认为默认padding 为 1,默认步长为 1。
因此,输出为 266x266x64。
output_width=output_height=(width – filter + 2*padding)/stride + 1
在您的代码中,宽度=266,过滤器=3,填充=1,步幅=1。
如果您在理解基本概念时遇到任何困难,我认为您可以阅读 this cs231n post想要查询更多的信息。
如何理解conv的过程,点击here .
关于deep-learning - Convolution2D 层在 Keras 中究竟是如何工作的?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41178412/