TensorFlow 教程，卷积

Question

所以我一直在研究 Tensorflow 并试图弄清楚一件事，我不知道我错过了什么。我正在查看来自https://www.tensorflow.org/versions/master/tutorials/layers 的教程，尤其是模型构建步骤：

  """Model function for CNN."""
  # Input Layer
  input_layer = tf.reshape(features, [-1, 28, 28, 1])

  # Convolutional Layer #1
  conv1 = tf.layers.conv2d(
      inputs=input_layer,
      filters=32,
      kernel_size=[5, 5],
      padding="same",
      activation=tf.nn.relu)

  # Pooling Layer #1
  pool1 = tf.layers.max_pooling2d(inputs=conv1, pool_size=[2, 2], strides=2)

  # Convolutional Layer #2 and Pooling Layer #2
  conv2 = tf.layers.conv2d(
      inputs=pool1,
      filters=64,
      kernel_size=[5, 5],
      padding="same",
      activation=tf.nn.relu)
  pool2 = tf.layers.max_pooling2d(inputs=conv2, pool_size=[2, 2], strides=2)

  # Dense Layer
  pool2_flat = tf.reshape(pool2, [-1, 7 * 7 * 64])

如果我理解正确，输入与 32 @ 5x5 过滤器进行卷积会创建 32 个特征图 @ 28x28 的输出。然后 max-pooled 将特征图减少到宽度和高度 = 14x14。

所以这是我要理解的问题，我们有 32 个 @ 14x14 的特征图，我们与另一组 64 个过滤器 @ 5x5 进行卷积。它应该产生 32*64=2048 大小为 14x14 的特征图吗？那么在重塑它时，我们应该在最后一个最大池化步骤之后使用 [-1,7*7*2048] 吗？或者 conv2 中的这个卷积是用 32 的深度完成的，过滤器的大小像 [5,5,32]？也许我错过了一些重要的理论或者只是盲目的；>

如果有人可以帮助我理解这一点，将不胜感激！

干杯！

Answer 1

您正在使用“相同”填充。

If padding == "same"
    output_shape[i] = ceil(input_shape[i]/stides[i])
If padding == "valid": 
    output_spatial_shape[i] = ceil((input_spatial_shape[i] - (spatial_filter_shape[i]-1) * dilation_rate[i]) / strides[i]).

要获得您期望的行为，请使用填充“有效”。

在这里查看 API：https://www.tensorflow.org/api_docs/python/tf/nn/convolution

我希望这会有所帮助。