Keras 卷积层的权重答案

【问题标题】：Weights in Convolution Layers in KerasKeras 卷积层的权重
【发布时间】：2017-05-03 13:37:41
【问题描述】：

我想知道默认情况下，Keras 中的 2D 卷积层中的过滤器权重是否沿空间维度共享。如果是，有什么办法可以不共享权重？

【问题讨论】：

【解决方案1】：

我发现 LocallyConnected2D 符合我的要求。

LocallyConnected2D 层的工作方式与Conv2D 层类似，不同之处在于权重不共享，也就是说，在输入的每个不同块上应用了一组不同的过滤器。 p>

【讨论】：

【解决方案2】：

我不清楚你在问什么，但是：

单个卷积层中的权重是共享的。也就是说，过滤器与每个步幅共享相同的权重。

然而，默认情况下，两个卷积层之间的权重在 keras 中不共享。

在 conv 层的过滤器中无法绕过共享宽度。如果将卷积执行卸载到 C++ 库。

请参阅此answer 以获取更多参考，特别是：

tf.nn.conv2d() 的实现是用 C++ 编写的，它调用使用 Eigen（在 CPU 上）或 cuDNN 库（在图形处理器）。你可以在这里找到实现。

【讨论】：