我想和Convolution2D一样编写自己的卷积层。 它在Keras如何运作？ 例如，如果Convolution2D（64,3,3，activation ='relu'，input_shape =（3,226,226） 哪个等式用于输出数据？
答案 0 :(得分：5)
由于您输入的图像形状是（266,266,3）[tf] /（3,266,266）[th]，并且过滤器编号是64，内核大小是3x3，并且对于填充，我认为默认填充为1，默认步幅为1.
因此，输出为266x266x64。
output_width=output_height=(width – filter + 2*padding)/stride + 1
在你的代码中，width = 266，filter = 3，padding = 1，stride = 1.
如果您在理解基本概念时遇到任何问题，我想您可以阅读this cs231n post了解更多信息。
有关如何理解转化过程的方法，请点击here。
答案 1 :(得分：1)
实际上，Keras 并没有在 conv2d 中做卷积。 为了加快处理速度，卷积运算被转换为矩阵（row-per-column）乘法。 更多信息here，见第 6 章。