时间戳

首页 > 解决方案 > 第二个卷积层参数的个数是否正确？

python - 第二个卷积层参数的个数是否正确？

问题描述

对于 MNIST 数据问题，我有简单的 CNN。

cnn_model = tf.keras.Sequential([
    tf.keras.layers.Conv2D(filters=24, kernel_size=(3,3), activation='relu'), 
    tf.keras.layers.Conv2D(filters=36, kernel_size=(3,3), activation='relu'),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(128, activation=tf.nn.relu),
    tf.keras.layers.Dense(10, activation='softmax')
])

这就是摘要的样子：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_12 (Conv2D)           (None, 26, 26, 24)        240       
_________________________________________________________________
conv2d_13 (Conv2D)           (None, 24, 24, 36)        7812      
_________________________________________________________________
flatten_13 (Flatten)         (None, 20736)             0         
_________________________________________________________________
dense_26 (Dense)             (None, 128)               2654336   
_________________________________________________________________
dense_27 (Dense)             (None, 10)                1290      
=================================================================
Total params: 2,663,678
Trainable params: 2,663,678
Non-trainable params: 0
_________________________________________________________________

为了问题的简单性，我跳过了问题中的池层。

第一个卷积层有 240 个参数，易于计算：（内核大小 + 偏差）* 过滤器数量：（3*3+1）*24。请解释一下为什么第二个卷积层有 7812 个参数（36 * 217）。

flatten 层的大小为 20736。这是上一层的 36 个过滤器产生的像素数：24 * 24 * 36。

但是我们如何才能从上一层的 24 张图像中通过 36 个过滤器获得 36 张图像呢？展平层的大小不应该是 36 * 24 * 24 * 24，即前一层的过滤器数量 * 前一层的位图大小 * 第一个卷积层的过滤器数量？

标签： pythontensorflowkerasneural-networkconv-neural-network

解决方案

卷积层的参数数量为

(filter_height * filter_width * in_channels * out_channels) + out_channels

在你的情况下，那是

(3 * 3 * 24 * 36) + 36 = 7,812

这种卷积的输出形状是

(n_samples, remaining_height, remaining_width, n_filters)

推荐阅读