我正在尝试使用keras建立一个非传统的神经网络,但在有效设置时遇到了问题。
前几层是标准的卷积层,这些层的输出有d个通道,每个通道都有n x n的图像形状。
我想要做的是使用一个密集层将这个d x n x n张量映射到大小为n x n的单个图像上。我想定义一个密集层,输入大小为d,输出大小为1,并将此函数应用于输入上的每个“像素”(输入深度跨通道)。
到目前为止,我还没有找到一个有效的解决方案。我已经尝试了首先定义一个完全连接的层,然后循环到输入中的每个“像素”,然而这需要很多小时来初始化模型,我担心它会减慢backprop,因为计算可能没有正确地并行化。
有没有一种有效的方法来做到这一点?
发布于 2019-04-09 18:09:30
您所描述的是输出深度为1的1x1卷积。您可以像实现其他卷积层一样实现它。您可能希望在之后应用tf.squeeze
来移除深度,其大小应为1。
https://stackoverflow.com/questions/55598702
复制相似问题