python - keras 中的 Conv2d 函数以及对下层的理解
问题描述
我有以下代码。它有五个卷积层,带有 128 个(3X3)滤波器,然后减少 2 个,分别为 64(3X3)、32(3X3)、16(3X3)和 8(3X3)。我想了解第一层,第二层的输出,我如何可视化它,当我们进入下一层时请指导我,我们可以看到第一层的输出远远超过第二层的输入,所以我们如何管理它?
而且在最后一行,当我们连接时,它按哪个顺序保存(是 8X8 输出)?请帮我解决这个问题,因为我是 pyhton 的新手。代码如下。
ds = 2
t1 = Input((None, None, 1)) (t1 is grey scale image of 35X35)
conv1a = Conv2D(128, (3, 3), activation='relu', padding='same')(t1)
conv2a = Conv2D(128 // ds, (5, 5), activation='relu', padding='same')(conv1a)
conv3a = Conv2D(128 // (ds * 2), (3, 3), activation='relu', padding='same')(conv2a)
conv4a = Conv2D(128 // (ds ** 3), (5, 5), activation='relu', padding='same')(conv3a)
conv5a = Conv2D(128 // (ds ** 4), (3, 3), activation='relu', padding='same')(conv4a)
fl = Input((None, None, 1)) (fl i also a grey scale image of size 35X35)
conv1b = Conv2D(128, (3, 3), activation='relu', padding='same')(fl)
conv2b = Conv2D(128 // ds, (5, 5), activation='relu', padding='same')(conv1b)
conv3b = Conv2D(128 // (ds * 2), (3, 3), activation='relu', padding='same')(conv2b)
conv4b = Conv2D(128 // (ds ** 3), (5, 5), activation='relu', padding='same')(conv3b)
conv5b = Conv2D(128 // (ds ** 4), (3, 3), activation='relu', padding='same')(conv4b)
concat = concatenate([conv5a, conv5b], axis=-1)
解决方案
推荐阅读
- sed - 使用 sed 重新排序列中的混合条目
- apache-flink - QueryableState Flink AWS EMR
- android - 安卓中的 ERR_UNKNOWN_URL_SCHEME
- nginx - 如何在 Vesta 控制面板中为域强制使用 https?
- python - 使用 Python 模块/库 (Scipy)
- python - 我正在尝试在 python 3.9 中导入 torch-cpu,但出现以下错误
- c++ - 你如何为 MacOS 安装库“iberty”?
- html - JQuery AJAX 的单击事件未执行
- python - 获取类“属性方法”上的属性集
- javascript - 有人可以告诉我为什么我的代码正在运行。即使我已经评论了我的变量用户名,电子邮件,密码,密码2