应用 2 个 conv 2d 层时的图像输出答案

【问题标题】：Image output when 2 conv 2d layers are applied应用 2 个 conv 2d 层时的图像输出
【发布时间】：2019-12-29 03:43:56
【问题描述】：

你能帮我解决下面的问题吗？我为MNIST 数据集编写了以下代码。总之，第一个输出对我来说是可以的。但我不确定为什么(None, 30, 24, 32) 会显示在第二层。

当32(3*3) 过滤器应用于32*26*26 时，输出应为32*24*24。

提前谢谢...

model = Sequential()
model.add(Convolution2D(32, (3, 3), activation='relu', input_shape=(1,28,28), data_format='channels_first'))
model.add(Convolution2D(32,3,3))
model.summary()

Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_102 (Conv2D)          (None, 32, 26, 26)        320       
_________________________________________________________________
conv2d_103 (Conv2D)          (None, 30, 24, 32)        7520

【问题讨论】：

标签： conv-neural-network convolution

【解决方案1】：

在第 3 行 - model.add(Convolution2D(32,3,3)) 中，第二个参数 kernel_size 已分配给 3，第三个参数 stride 已分配给 3，而不是 kernel_size 分配给 (3,3) 或 @987654329 @ 和stride 被分配1。

作为参考，Convolution2D 来自Keras docs 的定义是：

`keras.layers.Conv2D(filters, kernel_size, strides=(1, 1), padding='valid', ...)`

因此，第 3 行必须修改为：model.add(Convolution2D(32,(3,3))) 或 model.add(Convolution2D(32,3,1)) 或只是 model.add(Convolution2D(32,3)) 以实现所需的卷积。

注意：data_format 也必须设置为 channels_first 以使输出具有形状：(None,32,24,24)

【讨论】：

感谢您的回复 ....我已尝试使用 model.add(Convolution2D(32,(3,3)))、model.add(Convolution2D(32,3,1)) 和 model.add(Convolution2D(32,3))，但我没有得到 32*24*24 的输出 ...您也可以让我知道如何为 channels_first 编写代码必须设置为 True。
试试这个：model.add(Convolution2D(32,(3,3),channels_first=True))。您需要包含 channels_first=True 才能获得 (None,32,24,24)，否则您可能会获得 (None,24,24,32)
感谢您的回复...我已经尝试过model.add(Convolution2D(32,(3,3),channels_first=True))，但它会抛出错误“（'关键字参数不理解：'，'channels_first'）”
糟糕！我的意思是data_format='channels_first'，我已经编辑了答案。请试试这个：model.add(Convolution2D(32,(3,3),data_format='channels_first'))
是的....它工作正常..感谢您的时间和精力。祝你2020新年快乐