【发布时间】：2018-07-13 22:00:49
【问题描述】：
当谈到 tensorflow 中卷积层的形状时，我很困惑。
kernels = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, "conv1d(_.)?/kernel:0")
运行这条线会返回一个具有 4 个维度和一个偏差的内核。 我希望内核会返回我 [filter_width, filter_height, filter_number] 和一个带有权重的二维矩阵。相反，我有第四个维度，根本没有权重。
也许我不应该在我的脑海中将密集层与卷积层互换。然而，我在互联网上找到的大多数解释都停留在简单的层面上，而没有深入讨论 tensorflows 模型的细节。
所以对我来说最重要的是获得层之间边缘的相互关联的权重。就像在这张照片上看到的那样：
此链接与我的问题有关：Something I want from Tensorflow
希望有人能跟着我理解的麻烦，否则不要犹豫添加cmets。
【问题讨论】：
-
内核是 4 维的，这些区域是您想要的权重。究竟是什么问题？
-
我只是不明白2层之间的图像值是如何累积的，内核的第4维的用途是什么。
-
我不知道你说的“累积”是什么意思。过滤器/内核总是有 4 个维度，它们是（宽度、高度、filter_nr、通道）。您只是忘记了频道。
-
但是我的图片只有一个频道。然而Kernel突然有16个以上？我还用一张图片更新了我的问题，所以很容易得到，累积的含义是什么。那些 -0.55 和 0.1 的权重在哪里？
-
这些权重适用于全连接（密集）层，而不适用于卷积层（即 Conv2D）。
标签： python tensorflow neural-network conv-neural-network