python - keras 中的 Conv2d 函数以及对下层的理解

Question

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)

标签： pythontensorflowkeras