keras.layers.Conv2D中过滤器参数中keras使用了哪些类型的“过滤器”?

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了keras.layers.Conv2D中过滤器参数中keras使用了哪些类型的“过滤器”?相关的知识,希望对你有一定的参考价值。

对于此源代码: "keras.layers.Conv2D(filters, kernel_size, strides=(1, 1), padding='valid', data_format=None, dilation_rate=(1, 1), activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None)"

在过滤器参数中,我们定义了我们想要多少个过滤器和过滤器矩阵的大小,例如:.model.add(Conv2D(64, (3, 3), activation='relu'))这里我们使用了多个64个过滤器(特征检测器),每个都是3 * 3大小,我的问题很简单,如何将keras实现这64个过滤器?

答案

它们只是一个可训练的重量矩阵,大小:

(kernel_size_x, kernel_size_y, input_filters, output_filters)

在您的示例中是:

(3, 3, filters_of_the_previous_layer, 64)

该矩阵将是卷积的“过滤器”参数。

卷积将是一个大小为3x3的滑动窗口,扫描图像的像素,始终占用所有输入通道并输出所需的输出通道。

以上是关于keras.layers.Conv2D中过滤器参数中keras使用了哪些类型的“过滤器”?的主要内容,如果未能解决你的问题,请参考以下文章