Keras - путаница с количеством узлов входного слоя - PullRequest
Новая
       30

Keras - путаница с количеством узлов входного слоя

0 голосов
/ 28 апреля 2020

Итак, когда input_dim = 3, это означает, что вход в слой - это три узла, верно? Но что делать, когда используется атрибут input_shape и существует более одного значения? Например: 

model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape=(82, 82, 3)))

Здесь сверточный слой имеет 32 выходных узла, но сколько у него входных узлов?

model.summary () дает это: 

Model: "sequential_1"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_1 (Conv2D)            (None, 80, 80, 32)        896       
_________________________________________________________________
activation_1 (Activation)    (None, 80, 80, 32)        0         
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 40, 40, 32)        0         
_________________________________________________________________
conv2d_2 (Conv2D)            (None, 38, 38, 32)        9248      
_________________________________________________________________
activation_2 (Activation)    (None, 38, 38, 32)        0         
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 19, 19, 32)        0         
_________________________________________________________________
conv2d_3 (Conv2D)            (None, 17, 17, 64)        18496     
_________________________________________________________________
activation_3 (Activation)    (None, 17, 17, 64)        0         
_________________________________________________________________
max_pooling2d_3 (MaxPooling2 (None, 8, 8, 64)          0         
_________________________________________________________________
flatten_1 (Flatten)          (None, 4096)              0         
_________________________________________________________________
dense_1 (Dense)              (None, 64)                262208    
_________________________________________________________________
activation_4 (Activation)    (None, 64)                0         
_________________________________________________________________
dropout_1 (Dropout)          (None, 64)                0         
_________________________________________________________________
dense_2 (Dense)              (None, 1)                 65        
_________________________________________________________________
activation_5 (Activation)    (None, 1)                 0         
=================================================================
Total params: 290,913
Trainable params: 290,913
Non-trainable params: 0
_________________________________________________________________

1 Ответ

0 голосов
/ 28 апреля 2020

Здесь Input_shape используется для изображений:

Ваш пример содержит форму изображений 82x82x3 == 20172, которая равна узлу ввода:

** Как бы вы это проверили **

print(model.summary())

model.summary дает вам полную детализацию каждого слоя

...