如果输入的深度为三，Keras Conv2d 过滤器的深度是否为三？答案

【问题标题】：Do Keras Conv2d filters have a depth of three if the input has a depth of three?如果输入的深度为三，Keras Conv2d 过滤器的深度是否为三？
【发布时间】：2018-01-02 04:47:44
【问题描述】：

我注意到在输入图像具有三个维度的代码中使用了 Conv2d 层。但是，由于我们只输入了两个维度的过滤器，那么矩阵乘法是如何发生的呢？

二维过滤器是否分别对每个输入通道进行卷积（或使用广播）（然后只是将结果相加）？

或者过滤器的深度是否自动匹配输入的深度（如果是彩色图像，则为 3）？如果是这种情况，3x3x3 过滤器应该有 27 个可以训练的权重，而不是前一种情况下的 9 个。

Tensorflow 对 conv2d 的过滤器尺寸更加明确（您必须输入 height、width、channels、output_channel）

https://www.tensorflow.org/api_docs/python/tf/nn/conv2d

【问题讨论】：

标签： python neural-network deep-learning keras conv-neural-network

【解决方案1】：

Keras Conv2d 层自动为其卷积滤波器提供 n 输入通道，其中 n 是它之前层的深度/通道数。前面的层作为输入数据馈送到Conv2d 层。

此类假设使 Keras 更易于用于常见用例，例如在深度卷积网络中将 Conv2ds 链接在一起。

【讨论】：

谢谢。至于权重初始化部分，我假设所有通道的所有权重都已初始化（所有通道）然后呢？反对只是第一个频道，然后广播？
是的，所有通道的权重都是使用默认的随机采样方法独立初始化的，您可以更改该方法（例如，“uniform”、“normal”以及考虑方差的更复杂的方法，例如“Xavier” '、'他'等）