将烤宽面条模型转换为Keras

Question

我想将烤宽面条模型规格转换为Keras。在烤宽面条中Keras的等效层是什么：

  nn = Conv3DDNNLayer(nn, 8, 3)  # Lasagne layers

Keras的Convolution3D层规范是：

keras.layers.convolutional.Convolution3D(nb_filter, kernel_dim1, kernel_dim2, kernel_dim3, init='glorot_uniform', activation=None, weights=None, border_mode='valid', subsample=(1, 1, 1), dim_ordering='default', W_regularizer=None, b_regularizer=None, activity_regularizer=None, W_constraint=None, b_constraint=None, bias=True)

......和烤宽面条：

class lasagne.layers.dnn.Conv3DDNNLayer(incoming, num_filters, filter_size, stride=(1, 1, 1), pad=0, untie_biases=False, W=lasagne.init.GlorotUniform(), b=lasagne.init.Constant(0.), nonlinearity=lasagne.nonlinearities.rectify, flip_filters=False, **kwargs)

因此，在上面的例子中，烤宽面条层有＆＃39; nn＆＃39;传入，8个过滤器和过滤器大小3.

但是，Keras要求指定每个 kernel_dim 。它们都只是3个吗？

谢谢。

Answer 1

您可以阅读here：

  

filter_size：int或iterable of int

     

指定过滤器大小的整数或3元素元组。

nn = Conv3DDNNLayer(nn, 8, 3)

相当于：

model.add(Convolution3D(8, 3, 3, 3, ...)

或

conv_3d_output = Convolution3D(8, 3, 3, 3, ...)(conv_3d_input)

取决于您使用的Keras.API。