我在我的数据集上应用CNN模型进行预测。在重塑维度之后,my model1的model1变成:
model1.input_shape:(无,1,3,4)
然后,我应用CNN输入层定义如下:
模式1.添加(Convolution2D(128,(2,2),border_mode= 'valid‘,input_shape=(1,3,4),activation= 'relu'))
这里1以上是通道数,3,4表示我的节点表示12个输入节点或特性,现在我检查output_shape of model1,它是:
model1.output_shape:(无,128,2,3)
这里128个是我在输入层中指定的神经元数。我的问题是,元素2,3在这里显示了什么?
发布于 2018-12-03 06:05:50
二维卷积层的输出形状取决于:
在您的模型中,W=3、H=4、F=2、P=0 (Keras中的默认填充)、S=1 (Keras中的默认步长)、以及定义它的D=128。
转换由数学卷积操作定义,给出输出形状如下:
这个输出形状显示了当您的128个过滤器一个接一个地转到一起时,您的输入是如何反应的(就大小而言)。
https://datascience.stackexchange.com/questions/42040
复制相似问题