Какие типы «фильтров» использует keras в аргументах фильтров в keras.layers.Conv2D?

Question

для этого исходного кода: "keras.layers.Conv2D(filters, kernel_size, strides=(1, 1), padding='valid', data_format=None, dilation_rate=(1, 1), activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None)"

в аргументах фильтров мы определяем, сколько фильтров мы хотим, и размер матрицы фильтра, например: .model.add(Conv2D(64, (3, 3), activation='relu')) здесь мы используем количество 64 фильтров(детекторы функций) размером 3 * 3, мой вопрос прост: как керас будет реализовывать эти 64 фильтра?

Answer 1

Это будет просто обучаемая весовая матрица с размером:

(kernel_size_x, kernel_size_y, input_filters, output_filters)

Что в вашем примере:

(3, 3, filters_of_the_previous_layer, 64)

Эта матрица будет аргументом "фильтра" для сверток,

Сверткой будет скользящее окно размером 3х3, охватывающее пиксели изображения, всегда выбирающее все входные каналы и выводящее желаемые выходные каналы.