Question

在this blog中，作者包含用于构建VGG16网络的代码段。我对代码的以下部分有一些疑问

model = Sequential()
model.add(ZeroPadding2D((1, 1), batch_input_shape=(1, 3, img_width, img_height)))
first_layer = model.layers[-1]
# this is a placeholder tensor that will contain our generated images
input_img = first_layer.input

与model.add(ZeroPadding2D((1, 1), batch_input_shape=(1, 3, img_width, img_height)))相关，我们通常使用ZeroPadding2D来构建第一层读取图像作为输入吗？ (1,1)表示输入的内容参数ZeroPadding2D。根据Keras文档，这意味着我们为行和列添加1个零。如何确定要添加多少个零？

其次，为什么我们需要在-1中设置first_layer = model.layers[-1]？这里我们只有一个图层，而不是0？

Answer 1

我们通常使用ZeroPadding2D来构建第一层读取图像作为输入吗？

取决于。在此特定代码中，作者打算执行3x3卷积，输出与相同宽度和高度的图像特征作为输入图像。如果输入图像大小为2的幂，则通常会出现这种情况，因为您希望保留2x2池化层的数量。

没有填充：

128x128 -[3x3 conv]-> 126x126 -[2x2 pool]-> 63x63 -[3x3 conv]-> 61x61 -> *how to pool next?*

使用填充：

128x128 -[pad 1]-> 130x130 -[3x3 conv]-> 128x128 -[2x2 pool]-> 64x64
-[pad+conv+pool]-> 32x32 -[...]-> 16x16 -> 8x8 ...

（1,1）表示ZeroPadding2D的输入参数是什么？

如果输入图像为128 * 128，则(1,1)零填充将创建130x130图像，添加1像素宽的黑色帧。 (1,1)表示分别在水平/垂直边缘添加多少像素。

           o o o o o
x x x      o x x x o
x x x  ->  o x x x o
x x x      o x x x o
           o o o o o

如果您打算使用5x5卷积保留图像尺寸，则需要(2,2)填充。

为什么我们需要在first_layer = model.layers [-1]中设置-1？

使用精确索引是可以的。但是，如果有一天您决定在第一个卷积层下面添加预处理层，则不需要更改[-1]索引，因为它总是给出最顶层。如果忘记了，可以减少错误。

关于使用Keras在VGG16中构建第一个输入层

1 个答案: