卷积层会减少 Keras 中的输出维度吗？答案

【问题标题】：Convolution layers decrease dimension of output in Keras?卷积层会减少 Keras 中的输出维度吗？
【发布时间】：2017-05-21 17:41:00
【问题描述】：

我正在尝试在 Keras 中构建卷积自动编码器。我的印象是卷积层具有与输入相同的输出维度，除非您设置 stride>1 或设置 border_mode='valid'。这是我的网络

from keras.layers import Convolution2D, MaxPooling2D, UpSampling2D, Activation
from keras.models import Model, Sequential
model = Sequential()
model.add(Convolution2D(16, 3, 3, border_mode='same', input_shape=(1, 1920, 1080)))
model.add(Activation('relu'))
model.add(MaxPooling2D((2, 2), border_mode='same'))
model.add(Convolution2D(8, 3, 3, border_mode='same'))
model.add(Activation('relu'))
model.add(UpSampling2D((2, 2)))
model.add(Convolution2D(8, 3, 3, border_mode='same'))
model.add(Activation('relu'))
model.add(UpSampling2D((2, 2)))
model.compile(optimizer='adadelta', loss='binary_crossentropy')

当我查看第一层的输出尺寸时，似乎 y 坐标的长度已经减少了。

>>>model.layers[0].output_shape
(None, 1, 1920, 16)

这是什么原因造成的？我不知道那 16 是从哪里来的。好像和1080没有什么简单的关系。

【问题讨论】：

标签： neural-network keras conv-neural-network dimensions autoencoder

【解决方案1】：

问题在于所谓的image_ordering。根据您使用的后端 - 您需要以指定格式提供数据：

对于th (Theano) 图像排序，您应该提供以下格式的数据：
```
[batches, channels, image_width, image_weight]
```
这是您认为正确的格式。
对于tf (TensorFlow) 图像排序为：
```
 [batches, width, height, channels]
```
这是您的 Keras 安装解释您的输入的格式。

keras 中的默认图像排序是tf，我假设这会导致您的问题。您可以通过以下命令检查您的图像排序：

from keras.backend import image_dim_ordering
print image_dim_ordering() # Assuming that you're using a Python 2.*

您可以通过更改keras.json 来更改它，描述here。

您还可以通过打印model.summary() 的结果来检查您的模型详细信息，以确保自己确实是这种情况。

【讨论】：