tf.keras.applications.InceptionV3 中的混合层是什么？答案

【问题标题】：What are mixed layers in tf.keras.applications.InceptionV3?tf.keras.applications.InceptionV3 中的混合层是什么？
【发布时间】：2020-08-26 14:37:30
【问题描述】：

我目前正在尝试了解在 tf.keras.applications.InceptionV3 中实现的 Inseption v3 的架构。

我正在查看模型层中的名称列表：

print([layer.name for layer in model.layers])

#Outputs:
['input_1',
 'conv2d',
 'batch_normalization',
 'activation',
 'conv2d_1',
 'batch_normalization_1',
 'activation_1',
 'conv2d_2',
 ...
]

我了解批量归一化、池化和卷积层是如何转换输入的，但更深层次的是，我们有名为 mixed1, mixed2, ... 的层等等。我试图了解他们（混合层）如何转换他们的输入。

到目前为止，我找不到任何关于他们的信息。混合层如何工作？它有什么作用？

【问题讨论】：

标签： python tensorflow keras computer-vision

【解决方案1】：

请参阅InceprtionV3 paper。

您可以看到混合层由四个具有单个输入的并行连接组成，我们通过将所有并行输出连接成一个来获得输出。请注意，要连接所有输出，所有并行特征图必须具有相同的前两个维度（特征图的数量可以不同），这是通过步幅和池化来实现的。

【讨论】：

过滤器 concat 有什么作用？串联发生在哪个维度？
它沿通道轴堆叠特征图。如果你有 (batch_size, height, width, channels) 它是最后一个轴。

【解决方案2】：

mixed1、mixed2、... 是 tf.keras.layers.Concatenate 类型的层。您可以在此处阅读有关这些层的更多信息： https://keras.io/api/layers/merging_layers/concatenate/

【讨论】：